> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/get-started/ja/gaido/run-a-model-on-a-video.md).

# 動画上でモデルを実行する

A [ワークフロー](https://docs.roboflow.com/workflows) は、モデル、トラッカー、可視化、ロジックなどのブロックを接続してブラウザ上で構築する、複数ステップのコンピュータビジョンアプリケーションです。一度作成すれば、画像、動画ファイル、またはライブ RTSP ストリームで実行できます。

動画では、Workflow はリアルタイム速度向けに構築されたパイプラインとして実行されます。 [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) はフレームをデコードし、モデルを実行し、結果を並行して描画するため、GPU を常に稼働させ続けます。ライブストリームでは追いつけないフレームをスキップし、遅れずに最新のフレームにとどまります。

このガイドでは、車両を検出し、各車両をフレーム間で追跡し、ラインを横切ったときにカウントする Workflow を作成し、サンプル動画で実行します。

## Workflow を作成して実行する

{% stepper %}
{% step %}

### Workflow エディタを開く

作成する [Roboflow アカウント](https://app.roboflow.com) をまだ持っていない場合は、 [app.roboflow.com/workflows](https://app.roboflow.com/workflows) を開いて「Create Workflow」をクリックし、エディタで空の Workflow を開きます。
{% endstep %}

{% step %}

### ブロックを追加して接続する

以下のブロックを追加し、上から下へ接続して、各ブロックの出力が次のブロックに入力されるようにします。

<figure><img src="/files/83d43f897ae7c438f8b1356f6d01228b439c8292" alt="A Workflow connecting an object detection model, tracker, line counter, and visualization blocks"><figcaption><p>検出・追跡・カウントの Workflow</p></figcaption></figure>

* 物体検出モデル: 各フレームで [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) モデルを実行し、バウンディングボックスを返します。
* ByteTrack トラッカー: 各検出に永続的な ID を割り当てることで、同じ物体をフレーム間で追跡します。
* ラインカウンター: フレーム上に配置したラインを横切る追跡済みオブジェクトをカウントします。
* バウンディングボックスの可視化: 検出ボックスを描画します。
* ラインカウンターの可視化: カウントラインと現在の合計を描画します。
* トレースの可視化: 各追跡オブジェクトが移動した軌跡を描画します。

手動で構築するのを省くには、エディタ左上の `</>` アイコンで JSON エディタを開き、 [この Workflow 定義](https://media.roboflow.com/quickstart/workflow.json).

を貼り付けます。ブロックの追加と設定をより詳しく見たい場合は、 [Workflow を作成する](https://docs.roboflow.com/workflows/build/build-a-workflow).
{% endstep %}

{% step %}

### 動画をアップロードして実行する

「Run」をクリックし（`▶` アイコン）、実行パネルを開きます。「Media」の下で「File」タブを選択し、 [このサンプル動画](https://media.roboflow.com/quickstart/cars.mp4)をアップロードしてから、「Run」をクリックします。

Workflow は動画を処理し、ボックス、軌跡、ライブカウント付きの注釈済み動画を返します。
{% endstep %}
{% endstepper %}

{% embed url="<https://media.roboflow.com/quickstart/tracking-workflow.mp4>" %}

## Workflow の実行場所

既定では、「Run」は Workflow を [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)上で実行します。これは Roboflow のクラウド上の自動スケーリング GPU で、用意するハードウェアはありません。同じ Workflow を [お使いのハードウェア](/get-started/ja/gaido/run-a-model-locally.md)、つまりノートパソコンから NVIDIA Jetson までで実行することもできます。

* **Serverless**：管理するハードウェアは不要で、自動的にスケールします。各フレームごとにクラウドへネットワーク往復が発生するため遅延が増え、低遅延のライブ動画よりも、入門用途、画像、バッチ処理に適しています。
* **ローカル**：フレームはマシンを離れないためネットワークの往復がなく、フレームごとの遅延が低くなります。これはライブストリームで重要です。その代わり、ハードウェアの用意と保守は自分で行います。

どちらの場合も遅延を下げるには、GPU で実行する、より小さいモデルを選ぶ（例： `rfdetr-nano` または `rfdetr-small`）、あるいは入力解像度を下げます。プライベートな単一テナントのクラウドエンドポイントについては、 [専用デプロイメント](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments).

## 別のモデルを使う

物体検出モデルブロックは既定で既製の RF-DETR を実行しますが、変更できます。ブロックをクリックし、モデルを次のいずれかに設定してください。

* Roboflow で学習したモデル。モデル ID（形式： `{project}/{version}`）を [Roboflow アプリ](https://app.roboflow.com).
* のプロジェクトからコピーする [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).
* の公開モデル [別の既製の](https://docs.roboflow.com/models/pretrained-aliases) 事前学習済みモデル `rfdetr-nano`, `などのエイリアスで指定する`、または `yolo26l-640`.

## 複数の動画を一度に処理する

多数の動画や画像に対してオフラインで Workflow を実行するには、 [バッチ処理](https://docs.roboflow.com/deployment/roboflow-cloud/batch-processing)を使用します。これはマネージドサービスです。データと Workflow を選択するだけで、Roboflow がクラウド上でバッチを処理します。コードもローカルの計算資源も不要です。

## 次に進むには

* ライブ Web カメラや RTSP ストリームを含め、Workflow をお使いのハードウェアで実行します。詳しくは [モデルをローカルで実行する](/get-started/ja/gaido/run-a-model-locally.md).
* ロジック、フィルタリング、ゾーン、通知を追加します。詳しくは [Workflow を作成する](https://docs.roboflow.com/workflows/build/build-a-workflow).
* 各 Workflow 実行の料金を [Serverless の価格ページ](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api/pricing#workflow-run).