agentleFS
felvieirafelvieira/claude-skills-fv/skills/54-video-analysis/SKILL.md

video-analysis

Skill28 starsChanged 3 months agoApache-2.0View on GitHub

Analisa videos, transcricoes e quadros para responder sobre seu conteudo. Trigger em: "transcrever video", "transcrever esse video", "baixar video do youtube", "extrair frames do video", "extrair frames desse video", "legenda automatica", "resumir video", "resumir esse video", "analisar video", "analisar o conteudo desse video", "o que acontece nesse video", "whisper", "yt-dlp", "transcription video", "extract frames from this video".

  • Reads credentials

10 other projects use a version of this.

Adopted by

Most recently taken up by

The file

We split this skill into the rules it gives an agent

1 rule. 0 are common, 1 is distinctive, and 0 are very specific to this project.

  • 0

    Common

    Most of the 9 edited versions we read keep these.

  • 1

    Distinctive

    This author's own choices. Worth a look.

  • 0

    Very specific

    Tied to their project's names, files or tools. Probably skip.

  • Common
  • Distinctive
  • Very specific
  1. Distinctive:

    preferência de transcrição (local/offline por padrão, hosted só se pedido)

    line 42

“Common” is measured: kept by at least 6 in 10 of the 9 edited versions of this file we could read. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.
Files
SKILL.md

Video Analysis - Ingestão e Transcrição de Vídeo

Diferente de gerar vídeo (skill 27), esta skill entende vídeo que já existe: baixa, extrai o que for necessário (legenda, frames, áudio), e entrega texto/frames que o modelo consegue interpretar diretamente.

Governança Global

Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/token-efficiency.md, policies/tool-safety.md e policies/evals.md.

Para comandos completos de ffmpeg por estratégia e exemplos de payload de transcrição, consultar docs/skill-guides/video-analysis.md apenas quando necessário.

Quando Usar

  • transcrever áudio de um vídeo (aula, reunião gravada, podcast em vídeo)
  • baixar vídeo de plataforma pública e extrair legenda/transcript
  • responder pergunta sobre conteúdo visual ou falado de um vídeo específico
  • resumir um vídeo longo em texto

Quando Nao Usar

  • gerar vídeo novo (text-to-video, image-to-video) — isso é skill 27
  • edição de pós-produção tradicional (corte, mux, efeitos) — isso é pipeline de mídia, não análise
  • baixar conteúdo protegido por DRM ou de plataforma que proíbe download nos termos de uso — ver nota de ToS abaixo

Setup de Dependências

ffmpeg e yt-dlp são binários de sistema (não pacotes Node) — rodar node scripts/setup-video-analysis.mjs uma vez detecta o que falta e tenta instalar automaticamente via o gerenciador de pacote já disponível na máquina (winget/choco/scoop no Windows, brew no macOS, apt/dnf no Linux; pip para yt-dlp e faster-whisper em qualquer SO). Se não conseguir instalar sozinho, o script imprime o comando manual exato. Rodar --check-only só verifica, sem tentar instalar nada.

Entradas Esperadas

  • URL de vídeo público (YouTube, Vimeo, etc.) ou caminho de arquivo local
  • pergunta específica sobre o conteúdo, se houver (senão, resumo geral)
  • preferência de transcrição (local/offline por padrão, hosted só se pedido)

Saidas Esperadas

  • transcript com timestamps (start, end, text por segmento)
  • ou frames extraídos + descrição, quando a pergunta é visual
  • resumo estruturado quando pedido

O Fluxo (3 passos, na ordem)

  1. Baixar + tentar legenda nativa primeiro — yt-dlp baixa o vídeo e verifica se a plataforma já tem legenda/caption. Se tiver, pula direto pro texto sem gastar tempo com áudio.
  2. Extrair frames, só se a pergunta for visual — três estratégias por custo de token: keyframe (só cortes de cena, até 50 frames, mais barato), scene-aware (detecção de mudança de cena + fallback uniforme, até 100 frames), uniform (amostragem regular, sem cap, mais caro). ~80 frames a 512px de largura ≈ 50-80k tokens de imagem — decidir a estratégia baseado no orçamento de contexto disponível.
  3. Transcrever áudio, só se não há legenda — ver seção abaixo. Pré-processar o áudio pra mono/16kHz antes de transcrever (reduz tempo de processamento sem perder qualidade de transcrição).

Checkpoint por passo: ler o resultado antes de avançar — legenda "encontrada" que na verdade é auto-gerada de baixa qualidade (erros óbvios de reconhecimento) conta como "não tem legenda boa", cair pro passo 3. Frame extraído borrado/preto (falha do yt-dlp) volta pro passo 1 com outra estratégia de download antes de gastar tokens analisando frame ruim.

Transcrição — local por padrão, hosted como override

OpçãoCustoPrivacidadeVelocidade
Local (faster-whisper) — default$0áudio nunca sai da máquinamais lento em CPU, ok em GPU
Hosted (Groq whisper-large-v3) — override~$0.01-0.02/hora de áudioáudio enviado a terceirorápido
Hosted (OpenAI whisper-1) — fallback do overridemais caro que Groqáudio enviado a terceirorápido

Usar local sempre que possível — é gratuito e não depende de rede. Só trocar pra hosted quando o usuário pedir explicitamente velocidade acima de custo/privacidade (ex: vídeo muito longo, urgência).

Chave de API (só se usar hosted): GROQ_API_KEY (preferencial) com fallback pra OPENAI_API_KEY, resolvidas via env — mesma convenção de FAL_AI_API_KEY na skill 17. Sem chave configurada, usar local automaticamente em vez de falhar.

Regra Default (aplica automaticamente)

Sem pedido explícito do usuário, a skill usa: transcrição local, extração de frame em modo scene-aware (equilíbrio custo/cobertura), e tenta legenda nativa antes de qualquer processamento de áudio ou vídeo.

Nota de ToS

Baixar vídeo de plataformas de terceiros pode violar os termos de uso do serviço, dependendo do conteúdo e da finalidade. Confirmar com o usuário que ele tem direito de baixar/processar o vídeo antes de prosseguir — não assumir que todo vídeo público é livre para download.

Anti-Rationalization

RacionalizaçãoRealidade
"É só pegar a legenda automática do YouTube"Legenda automática erra nome próprio e termo técnico — avisar o usuário quando a fonte é auto-gerada, não humana
"Hosted é sempre melhor, é mais rápido"Hosted manda o áudio pra fora — usar só quando o usuário aceitar esse trade-off explicitamente
"Extrair todos os frames pra garantir cobertura"Uniform sem cap em vídeo longo estoura o orçamento de contexto — escolher a estratégia pelo orçamento disponível

Evidencia de Conclusao

  • fonte do vídeo confirmada (URL pública ou arquivo local do usuário)
  • estratégia de transcrição/extração escolhida e justificada (local vs hosted, qual modo de frame)
  • output entregue no formato que a pergunta do usuário pede (transcript, frames, ou resumo)

Handoff

  • Prompt Engineer (26): se o resumo/transcript alimentar outro prompt reutilizável
  • Video Integration Specialist (27): se o pedido virar geração de vídeo novo em vez de análise do existente

Fontes Externas

  • Fluxo de download→legenda-ou-frame→transcrição inspirado em bradautomates/claude-video (MIT) — mecanismo adaptado para transcrição local-por-padrão via faster-whisper, que a fonte não oferece (ela é hosted-only via Groq/OpenAI).

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.