RelicListMaker は、動画から遺物の文字を読み取って一覧化する Windows 向けアプリケーションです。
dist/RelicListMaker-windows.zip- Windows 10/11 (64bit) 向けにビルドされた実行ファイル一式です。
- ZIP を展開すると、アプリ本体 (
RelicListMaker.exe) と必要なリソースが同階層に展開されます。フォルダ構成を変更しないでください。
- 処理対象の動画ファイル（
.mp4/.aviなど）- H.264 コーデックを想定
- 1920×1080・60fps を想定
- 赤・青・黄・緑の遺物ごとに個別の動画を用意してください。
RelicListMaker-windows.zipを任意の場所に展開します。
- 展開先フォルダにある
RelicListMaker.exeをダブルクリックして起動します。 - 解析したい動画ファイルを
RelicListMaker.exeにドラッグ＆ドロップするか、画面の案内に従って選択してください。 - 解析完了すると、
results/<動画名>/に解析結果一式(csv、遺物画像)が保存されます。
- アプリ画面の「ビューワを開く」ボタンを押すと、既定のブラウザで解析結果を表示できます。
- 表示されたビューワ上で解析結果を確認し、必要に応じてレビューを進めてください。
- 効果名・レベル・デメリットは入力欄を直接編集すると
Effect{n}/Effect{n}Level/Demerit{n}列へ即座に書き込まれ、補助列 (Effect{n}Correctionなど) を経由せずに保存キューへ登録されます。 - 入力欄を空に戻すと OCR で検出した値へ復元され、値が元と同じ場合はレビュー済みステータス (
Effect{n}Status) も維持されます。 - 「合致」ボタンで
passを付与・解除でき、承認時には関連する手動入力がリセットされます。マニュアル修正を入力したまま保存するとステータスは自動的にcorrectedへ更新されます。
- 効果名・レベル・デメリットは入力欄を直接編集すると
- レビュー完了後はブラウザ右上の保存ボタンから CSV を書き出すか、設定で自動保存を有効にしておくと都度
results/<動画名>/*.csvに反映されます。
- 複数の動画で解析した結果を統合したい場合は、アプリ画面の「遺物一覧をマージ」ボタンを押します。
- 案内に従って各
results/<動画名>/の CSV を選択すると、遺物一覧がマージされたmerged_results.csvが生成されます。 - ビューワを更新すると、統合済みの一覧を最新状態で確認できます。
results/<動画名>/frames/: 必要に応じて保存された元フレーム (オプション)crops/: OCR 対象のクロップ画像<動画名>.csv: 抽出した効果やレベル情報gallery/index.html: ブラウザで閲覧できるギャラリー（RelicListMaker.exeの「ビューワを開く」から起動）
- Windows 11 でのみ動作確認済みです。
- Steam ゲームレコーディングでエクスポートした動画でのみ動作確認済みです。
- アプリで利用している
templates/master_relic_*.csvのマスターデータは、神攻略wiki に掲載されているデータを元に作成しています。 - 有用な情報を公開されている神攻略wiki の運営・編集者の皆さまに深く感謝申し上げます。
- CSV の列仕様や列表示フラグの挙動は
docs/reference-csv-columns.mdに詳細をまとめている。レビュー CSV のカラム構成を確認・更新する際は同ドキュメントを参照すること。
- 現行バージョンはビューアが
Effect{n}/Effect{n}Level/Demerit{n}を直接更新する設計へ移行しており、Effect{n}Correctionなどの補助列は出力しません。 - 過去の試験運用で補助列付き CSV を生成していた場合は、最新のパイプラインでもう一度書き出すか、表計算ソフト等で補助列の値を基列へコピーしてから補助列自体を削除してください。
python -m relic_cli merge-results（内部ではrelic_cli.commands.merge_results）は補助列が残存しているとエラーを発生させます。メッセージに列名と行番号が表示されるため、該当行の補助列を空にするか削除したうえで再実行してください。
RelicListMaker は、動画内の遺物情報を自動で抽出・整理し、レビュー可能なギャラリーとして出力するためのツールチェーンです。python -m relic_cli run-pipeline を起点にフレーム抽出、OCR、辞書照合、HTML ギャラリー生成までを一括で実行し、結果は results/<動画名>/ 以下にまとめられます。
| 技術 | 用途 |
|---|---|
| Python 3.10+ | パイプライン全体と GUI ランチャー (tkinter) の実装 |
| OpenCV / NumPy | フレーム抽出や画像前処理 (python -m relic_cli extract-frames / python -m relic_cli preprocess) を支える画像処理基盤 |
| Tesseract OCR + pytesseract | 遺物名・効果文のテキスト認識を担う OCR エンジン |
| RapidFuzz | OCR 結果と templates/master_relic_*.csv を照合して最適な遺物候補を推定 |
| PyInstaller | RelicListMaker.exe を含む Windows 向け配布物のパッケージングに使用 |
.
├── dist/ # Windows 用ビルド成果物 (zip/exe)
├── videos/ # 入力動画を配置
├── results/ # 処理結果 (frames/crops/CSV/HTML)
├── templates/ # ギャラリー用テンプレートと辞書
│ ├── gallery/ # `index.js` をエントリとしてモジュール化されたギャラリー本体
│ │ ├── render/ # DOM 構築やビュー更新を司る純粋関数群
│ │ ├── events/ # クリック・入力などのイベントハンドラ
│ │ ├── state/ # フィルタや選択状態を扱うストア API
│ │ ├── storage/ # CSV/OPFS 永続化の抽象化とユーティリティ
│ │ ├── dataset/ # データセット解決と正規化ロジック
│ │ └── utils/ # DOM・データ処理の共有ユーティリティ
│ └── master_relic_*.csv # 遺物名のマスターデータ
├── tesseract/ # バンドル済み Tesseract (同梱環境向け)
├── docs/ # テスト手順やリファクタリング方針などのドキュメント
├── relic_cli/ # `python -m relic_cli` で呼び出す CLI サブコマンド群
│ └── commands/ # run-pipeline / extract-frames / preprocess などの実装
├── gui/ # GUI アプリ本体とサービス・アダプタ群（`python -m gui` で起動）
└── viewer_server.py # 結果フォルダをブラウザ閲覧する簡易サーバー
- Python 環境: Python 3.10 以上を推奨します。仮想環境を作成し、依存関係を導入してください。
python -m venv .venv source .venv/bin/activate pip install -r requirements.txt - Tesseract OCR: システムに日本語データを含む Tesseract がインストールされていることを確認します。付属の
tesseractディレクトリを利用する場合は、tesseract_bundle.pyが自動でpytesseractのパスを調整します。Windows 向け配布物には Tesseract 5.4.0.20240606 (UB Mannheim 版 64bit) の実行ファイルと DLL が含まれており、アプリは常に同梱版を使用します。GitHub Actions のリリースワークフローがインストーラから実行ファイルと DLL を取得して同梱するため、手動でバイナリをコミットする必要はありません。tessdata/には英語 (eng)、日本語 (jpn)、OSD (osd) の学習データのみを含め、縦書き用データはバンドルしていません。WSL などの Linux 開発環境では、ローカルにインストール済みの Tesseract が優先され、同梱版はフォールバックとして扱われます。バンドル済みの配置を検証したい場合はpython -m relic_cli bundle-tesseract --requireを実行してください。 - テンプレート辞書:
templates/master_relic_*.csvが最新であることを確認し、必要に応じて CSV を更新します。
リポジトリ直下に散在していたユーティリティスクリプトは relic_cli/ パッケージに集約され、以下のようにサブコマンド形式で呼び出せます。
python -m relic_cli --help
# 例: パイプラインを動画ディレクトリ全体に適用
python -m relic_cli run-pipeline --video-dir videos --result-dir results --ocr-upsample 1.8
# 例: フレーム抽出
python -m relic_cli extract-frames videos/sample.mp4 --frame-dir frames --crop-dir crops
# 例: OCR 前処理
python -m relic_cli preprocess crops/sample.png --out preprocessed --scale 1.5
# 例: 結果の統合 (デフォルトの results/ を対象)
python -m relic_cli merge-results results --target-name merged --include-unreviewed
# 例: ギャラリー HTML の生成
python -m relic_cli generate-gallery --results-csv results/sample.csv --image-dir results/sample/crops --output-html results/sample/gallery/index.html
# 例: 同梱 Tesseract の検出・有効化
python -m relic_cli bundle-tesseract --activate --requireルート直下の旧スクリプトは削除済みのため、python -m relic_cli <command> を直接利用してください。
videos/ディレクトリに処理対象の動画ファイル (.mp4,.avi,.mov,.mkvなど) を配置します。- 必要であれば
results/をクリーンアップし、仮想環境を有効化します。 - メインパイプラインを実行します。
python -m relic_cli run-pipeline --video-dir videos --result-dir results
- 実行完了後、
results/<動画名>/に上記の出力が生成されます。静的サーバー経由で閲覧する場合は以下を実行してください。python -m viewer_server.main --results-dir results
OCR 精度を改善したい場合は、個別の画像に対して前処理パイプラインを試せる relic_cli preprocess サブコマンドを利用します。
python -m relic_cli preprocess path/to/image.png --out preprocessed/生成された出力を確認し、しきい値やリサイズ係数などの調整に活用してください。
クロップ済みの画像を直接処理する場合は、relic_pipeline.cli のエントリポイントを利用してください。後方互換のラッパーだった match_and_export.py は削除済みのため、process_images_command を直接呼び出す経路に統一しています。
python -m relic_pipeline.cli.main crops/ --output results.csv --ocr-engine vision --upsample 2.0CLI 引数の詳細は --help で確認できます。
pipeline パッケージでは、CLI や GUI 以外のスクリプトからも解析処理を再利用できるように run_pipeline API を公開しています。
標準の入力収集を利用する場合は、動画ディレクトリと結果ディレクトリを PipelineSettings へ指定するだけで処理を開始できます。
from pipeline.pipeline import PipelineSettings, run_pipeline
from pipeline.progress import CliProgressReporter
settings = PipelineSettings(
video_dir="videos",
result_dir="results",
ocr_upsample=1.5,
)
reporter = CliProgressReporter()
result = run_pipeline(settings=settings, reporter=reporter)
print("viewer index:", result.viewer_path)既存の動画列挙処理ではなく、任意の動画を明示的に処理したい場合は pipeline.tasks.create_tasks でタスクを構築してから run_pipeline
へ渡してください。タスクはすべて絶対パスに正規化されるため、上書き色指定（item_color_overrides）も絶対パスで渡すと一致判定が確実になります。
from pathlib import Path
from pipeline.pipeline import PipelineSettings, run_pipeline
from pipeline.tasks import create_tasks
settings = PipelineSettings(result_dir="results")
custom_tasks = create_tasks([Path("videos/sample.mp4")], result_dir=settings.result_dir)
run_pipeline(settings=settings, reporter=None, tasks=custom_tasks)OCR 推定色を明示的に指定したい場合は、PipelineSettings.item_color_overrides に動画パスと色名のマッピングを渡します。色名には red / green / blue / yellow など pipeline.tasks.COLOR_KEYWORDS で定義された値を使用してください。値を "none" にすると、色指定を無効化して HTML 側のフィルタ初期値を未設定にできます。
from pathlib import Path
from pipeline.pipeline import PipelineSettings, run_pipeline
overrides = {
# 絶対パスで渡すと辞書突き合わせが確実になります
Path("videos/emerald_run.mp4").resolve(): "green",
Path("videos/generic_clip.mp4").resolve(): "none",
}
settings = PipelineSettings(
video_dir="videos",
result_dir="results",
item_color_overrides=overrides,
)
run_pipeline(settings=settings)- 配布物には Tesseract OCR (Apache License 2.0) が同梱されています。再配布時にはリポジトリ直下の
LICENSEを同梱し、Tesseract OCR のライセンス要件に従ってください。詳細はdocs/reference-third-party-licenses.mdも参照してください。