VideoDB Skill
Wahrnehmung + Gedächtnis + Aktionen für Video, Livestreams und Desktop-Sessions.
Verwende dieses Skill, wenn du Folgendes benötigst:
Wann verwenden
- Du benötigst Video- oder Audio-Wahrnehmung, Indexierung, Suche oder Timeline-Bearbeitung von Dateien, URLs, Desktop-Sessions oder Livestreams.
- Die Aufgabe beinhaltet Zeitstempel, durchsuchbare Beweise, Untertitel, Clips, Overlays oder Echtzeit-Überwachungsalarme.
- Du möchtest einen Workflow, der Erfassung, Verständnis, Abruf und Medienaktionen kombiniert.
1) Desktop-Wahrnehmung
- Starte/Stoppe eine Desktop-Session, die Bildschirm, Mikrofon und Systemaudio erfasst
- Streame Live-Kontext und speichere episodisches Session-Gedächtnis
- Führe Echtzeit-Alarme/Trigger auf dem Gesprochenen und dem, was auf dem Bildschirm passiert, aus
- Erstelle Session-Zusammenfassungen, eine durchsuchbare Timeline und abspielbare Beweislinks
2) Videoerfassung + Stream
- Erfasse eine Datei oder URL und gib einen abspielbaren Web-Stream-Link zurück
- Transkodiere/normalisiere: Codec, Bitrate, fps, Auflösung, Seitenverhältnis
3) Indexieren + Suchen (Zeitstempel + Beweise)
- Erstelle visuelle, gesprochene und Schlüsselwort-Indizes
- Suche und gib genaue Momente mit Zeitstempeln und abspielbaren Beweisen zurück
- Erstelle automatisch Clips aus Suchergebnissen
4) Timeline-Bearbeitung + Generierung
- Untertitel: generieren, übersetzen, einbrennen
- Overlays: Text/Bild/Branding, Bewegungsuntertitel
- Audio: Hintergrundmusik, Voiceover, Synchronisation
- Programmatische Komposition und Exporte via Timeline-Operationen
5) Livestreams (RTSP) + Überwachung
- Verbinde RTSP/Live-Feeds
- Führe Echtzeit-visuelles und gesprochenes Verständnis durch und sende Events/Alarme für Überwachungs-Workflows
Häufige Eingaben
- Lokaler Dateipfad, öffentliche URL oder RTSP-URL
- Desktop-Erfassungsanfrage: Session starten / stoppen / zusammenfassen
- Gewünschte Operationen: Kontext für Verständnis abrufen, Transcode-Spezifikation, Index-Spezifikation, Suchanfrage, Clip-Bereiche, Timeline-Bearbeitungen, Alarmregeln
Häufige Ausgaben
- Stream-URL
- Suchergebnisse mit Zeitstempeln und Beweislinks
- Generierte Assets: Untertitel, Audio, Bilder, Clips
- Event/Alarm-Payloads für Livestreams
- Desktop Session-Zusammenfassungen und Gedächtniseinträge
Kanonische Eingabeaufforderungen (Beispiele)
- "Starte Desktop-Erfassung und alarmiere, wenn ein Passwortfeld erscheint."
- "Zeichne meine Session auf und erstelle eine umsetzbare Zusammenfassung, wenn sie endet."
- "Erfasse diese Datei und gib einen abspielbaren Stream-Link zurück."
- "Indiziere diesen Ordner und finde jede Szene mit Personen, gib Zeitstempel zurück."
- "Generiere Untertitel, brenne sie ein und füge leichte Hintergrundmusik hinzu."
- "Verbinde diese RTSP-URL und alarmiere, wenn eine Person den Bereich betritt."
Python-Code ausführen
Bevor du VideoDB-Code ausführst, wechsle in das Projektverzeichnis und lade die Umgebungsvariablen:
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
Dies liest VIDEO_DB_API_KEY aus:
- Umgebung (falls bereits exportiert)
.env-Datei des Projekts im aktuellen Verzeichnis
Wenn der Schlüssel fehlt, löst videodb.connect() automatisch AuthenticationError aus.
Schreibe KEINE Skriptdatei, wenn ein kurzer Inline-Befehl ausreicht.
Wenn du Inline-Python schreibst (python -c "..."), verwende immer korrekt formatierten Code — verwende Semikolons, um Anweisungen zu trennen, und halte es lesbar. Für alles länger als ~3 Anweisungen verwende stattdessen einen Heredoc:
python << 'EOF'
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
coll = conn.get_collection()
print(f"Videos: {len(coll.get_videos())}")
EOF
Einrichtung
Wenn der Benutzer nach "videodb einrichten" oder ähnlichem fragt:
1. SDK installieren
pip install "videodb[capture]" python-dotenv
Wenn videodb[capture] unter Linux fehlschlägt, installiere ohne das capture-Extra:
pip install videodb python-dotenv
2. API-Schlüssel konfigurieren
Der Benutzer muss VIDEO_DB_API_KEY mit einer der folgenden Methoden setzen:
- Im Terminal exportieren (vor dem Start von Claude):
export VIDEO_DB_API_KEY=dein-schlüssel - Projekt
.env-Datei: SpeichereVIDEO_DB_API_KEY=dein-schlüsselin der.env-Datei des Projekts
Hole einen kostenlosen API-Schlüssel unter https://console.videodb.io (50 kostenlose Uploads, keine Kreditkarte erforderlich).
Lese, schreibe oder verwalte den API-Schlüssel NICHT selbst. Überlasse es immer dem Benutzer, ihn zu setzen.
Kurzreferenz
Medien hochladen
# URL
video = coll.upload(url="https://example.com/video.mp4")
# YouTube
video = coll.upload(url="https://www.youtube.com/watch?v=VIDEO_ID")
# Lokale Datei
video = coll.upload(file_path="/path/to/video.mp4")
Transkript + Untertitel
# force=True überspringt den Fehler, falls das Video bereits indiziert ist
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()
In Videos suchen
from videodb.exceptions import InvalidRequestError
video.index_spoken_words(force=True)
# search() löst InvalidRequestError aus, wenn keine Ergebnisse gefunden werden.
# Immer in try/except einwickeln und "Keine Ergebnisse gefunden" als leeres Ergebnis behandeln.
try:
results = video.search("Produktdemo")
shots = results.get_shots()
stream_url = results.compile()
except InvalidRequestError as e:
if "No results found" in str(e):
shots = []
else:
raise
Szenensuche
import re
from videodb import SearchType, IndexType, SceneExtractionType
from videodb.exceptions import InvalidRequestError
# index_scenes() hat keinen force-Parameter — es löst einen Fehler aus, wenn ein Szenenindex
# bereits existiert. Extrahiere die vorhandene Index-ID aus dem Fehler.
try:
scene_index_id = video.index_scenes(
extraction_type=SceneExtractionType.shot_based,
prompt="Beschreibe den visuellen Inhalt dieser Szene.",
)
except Exception as e:
match = re.search(r"id\s+([a-f0-9]+)", str(e))
if match:
scene_index_id = match.group(1)
else:
raise
# Verwende score_threshold, um irrelevantes Rauschen zu filtern (empfohlen: 0,3+)
try:
results = video.search(
query="Person, die auf ein Whiteboard schreibt",
search_type=SearchType.semantic,
index_type=IndexType.scene,
scene_index_id=scene_index_id,
score_threshold=0.3,
)
shots = results.get_shots()
stream_url = results.compile()
except InvalidRequestError as e:
if "No results found" in str(e):
shots = []
else:
raise
Timeline-Bearbeitung
Wichtig: Validiere immer die Zeitstempel, bevor du eine Timeline erstellst:
startmuss >= 0 sein (negative Werte werden stillschweigend akzeptiert, erzeugen aber defekte Ausgaben)startmuss <endseinendmuss <=video.lengthsein
from videodb.timeline import Timeline
from videodb.asset import VideoAsset, TextAsset, TextStyle
timeline = Timeline(conn)
timeline.add_inline(VideoAsset(asset_id=video.id, start=10, end=30))
timeline.add_overlay(0, TextAsset(text="Das Ende", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()
Video transkodieren (Auflösung/Qualität ändern)
from videodb import TranscodeMode, VideoConfig, AudioConfig
# Ändere Auflösung, Qualität oder Seitenverhältnis serverseitig
job_id = conn.transcode(
source="https://example.com/video.mp4",
callback_url="https://example.com/webhook",
mode=TranscodeMode.economy,
video_config=VideoConfig(resolution=720, quality=23, aspect_ratio="16:9"),
audio_config=AudioConfig(mute=False),
)
Seitenverhältnis anpassen (für soziale Plattformen)
Warnung: reframe() ist eine langsame serverseitige Operation. Bei langen Videos kann es mehrere Minuten dauern und möglicherweise eine Zeitüberschreitung verursachen. Best Practices:
- Beschränke es nach Möglichkeit immer auf ein kurzes Segment mit
start/end - Verwende für vollständige Videos
callback_urlfür asynchrone Verarbeitung - Schneide das Video zuerst auf einer
Timelinezu, dann passe das kürzere Ergebnis an
from videodb import ReframeMode
# Bevorzuge immer die Anpassung eines kurzen Segments:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
# Asynchrone Anpassung für vollständige Videos (gibt None zurück, Ergebnis via Webhook):
video.reframe(target="vertical", callback_url="https://example.com/webhook")
# Voreinstellungen: "vertical" (9:16), "square" (1:1), "landscape" (16:9)
reframed = video.reframe(start=0, end=60, target="square")
# Benutzerdefinierte Abmessungen
reframed = video.reframe(start=0, end=60, target={"width": 1280, "height": 720})
Generative Medien
image = coll.generate_image(
prompt="ein Sonnenuntergang über den Bergen",
aspect_ratio="16:9",
)
Fehlerbehandlung
from videodb.exceptions import AuthenticationError, InvalidRequestError
try:
conn = videodb.connect()
except AuthenticationError:
print("Überprüfe deinen VIDEO_DB_API_KEY")
try:
video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
print(f"Upload fehlgeschlagen: {e}")
Häufige Fallstricke
| Szenario | Fehlermeldung | Lösung |
|---|---|---|
| Indexierung eines bereits indizierten Videos | Spoken word index for video already exists | Verwende video.index_spoken_words(force=True), um zu überspringen, falls bereits indiziert |
| Szenenindex existiert bereits | Scene index with id XXXX already exists | Extrahiere die vorhandene scene_index_id aus dem Fehler mit re.search(r"id\s+([a-f0-9]+)", str(e)) |
| Suche findet keine Übereinstimmungen | InvalidRequestError: No results found | Fange die Ausnahme ab und behandle sie als leere Ergebnisse (shots = []) |
| Anpassung läuft zeitlich aus | Blockiert bei langen Videos auf unbestimmte Zeit | Verwende start/end, um das Segment zu begrenzen, oder übergib callback_url für asynchrone Verarbeitung |
| Negative Zeitstempel in der Timeline | Erzeugt stillschweigend einen defekten Stream | Validiere immer start >= 0, bevor du VideoAsset erstellst |
generate_video() / create_collection() schlägt fehl | Operation not allowed oder maximum limit | Planabhängige Funktionen — informiere den Benutzer über Planlimits |
Zusätzliche Dokumentation
Die Referenzdokumentation befindet sich im Verzeichnis reference/ neben dieser SKILL.md-Datei. Verwende das Glob-Tool, um sie bei Bedarf zu finden.
- reference/api-reference.md - Vollständige VideoDB Python SDK API-Referenz
- reference/search.md - Ausführlicher Leitfaden zur Videosuche (gesprochenes Wort und szenenbasiert)
- reference/editor.md - Timeline-Bearbeitung, Assets und Komposition
- reference/streaming.md - HLS-Streaming und sofortige Wiedergabe
- reference/generative.md - KI-gestützte Mediengenerierung (Bilder, Video, Audio)
- reference/rtstream.md - Livestream-Erfassungs-Workflow (RTSP/RTMP)
- reference/rtstream-reference.md - RTStream SDK-Methoden und KI-Pipelines
- reference/capture.md - Desktop-Erfassungs-Workflow
- reference/capture-reference.md - Capture SDK und WebSocket-Ereignisse
- reference/use-cases.md - Häufige Videoverarbeitungsmuster und Beispiele
Bildschirmaufnahme (Desktop-Erfassung)
Verwende ws_listener.py, um WebSocket-Ereignisse während Aufnahmesitzungen zu erfassen. Desktop-Erfassung wird nur unter macOS unterstützt.
Schnellstart
- Listener starten:
python scripts/ws_listener.py & - WebSocket-ID abrufen:
cat /tmp/videodb_ws_id - Erfassungscode ausführen (siehe reference/capture.md für den vollständigen Workflow)
- Ereignisse geschrieben nach:
/tmp/videodb_events.jsonl
Ereignisse abfragen
import json
events = [json.loads(l) for l in open("/tmp/videodb_events.jsonl")]
# Alle Transkripte abrufen
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
# Visuelle Beschreibungen der letzten 5 Minuten abrufen
import time
cutoff = time.time() - 300
recent_visual = [e for e in events
if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff]
Dienstprogramm-Skripte
- scripts/ws_listener.py - WebSocket-Ereignis-Listener (schreibt nach JSONL)
Den vollständigen Erfassungs-Workflow findest du unter reference/capture.md.
Verwende keine ffmpeg-, moviepy- oder lokalen Codierungswerkzeuge, wenn VideoDB die Operation unterstützt. Folgendes wird alles serverseitig von VideoDB verarbeitet — Trimmen, Kombinieren von Clips, Überlagern von Audio oder Musik, Hinzufügen von Untertiteln, Text-/Bildoverlays, Transcodierung, Auflösungsänderungen, Seitenverhältnis-Konvertierung, Größenänderung für Plattformanforderungen, Transkription und Mediengenerierung. Verwende lokale Werkzeuge nur für Operationen, die unter Einschränkungen in reference/editor.md aufgeführt sind (Übergänge, Geschwindigkeitsänderungen, Zuschneiden/Zoomen, Farbkorrektur, Lautstärkemischung).
Wann verwende ich was
| Problem | VideoDB-Lösung |
|---|---|
| Plattform lehnt Seitenverhältnis oder Auflösung des Videos ab | video.reframe() oder conn.transcode() mit VideoConfig |
| Video für Twitter/Instagram/TikTok skalieren | video.reframe(target="vertical") oder target="square" |
| Auflösung ändern (z. B. 1080p → 720p) | conn.transcode() mit VideoConfig(resolution=720) |
| Audio/Musik über Video legen | AudioAsset auf einer Timeline |
| Untertitel hinzufügen | video.add_subtitle() oder CaptionAsset |
| Clips kombinieren/trimmen | VideoAsset auf einer Timeline |
| Voiceover, Musik oder Soundeffekte generieren | coll.generate_voice(), generate_music(), generate_sound_effect() |
Repository
https://github.com/video-db/skills
Verwaltet von: VideoDB
Verbindungen
- Domäne: [[Design & Kreativitaet]]
- Kategorie: [[Video & Audio Produktion]]
- Dateien:
scripts/ws_listener.py
- Navigation: [[Skills Uebersicht]], [[Home]]