Communitygithub.com

lilinji/GeneTind-Life-Skills – Videoprozessor

Verarbeitet Videodateien mit Audioextraktion, Formatkonvertierung (mp4, webm) und Whisper-Transkription. Nutzen Sie dieses Skill, wenn ein Benutzer Videokonvertierung, Audioextraktion, Transkription, mp4, webm, ffmpeg oder Whisper-Transkription erwähnt.

Was ist GeneTind-Life-Skills – Videoprozessor?

Dieses Skill bietet eine einheitliche CLI-Schnittstelle zur Verarbeitung von Videodateien, basierend auf den leistungsstarken Werkzeugen FFmpeg und OpenAIs Whisper-Modell. Es ermöglicht die Extraktion von Audiospuren aus Videos, die Konvertierung von Videoformaten in MP4 oder das weboptimierte WebM-Format sowie die automatische Transkription von Audio- und Videodateien in Text. Der gesamte Workflow wird über ein einzelnes Python-Skript (`scripts/video_processor.py`) gesteuert, das mit `uv run` ausgeführt wird und eine klare und benutzerfreundliche Befehlsstruktur bietet. Die Integration mit Whisper erlaubt verschiedene Modellgrößen (von 'tiny' für schnelle Entwürfe bis 'large' für höchste Genauigkeit), Sprachspezifikation und mehrere Ausgabeformate wie TXT, SRT, VTT oder JSON. Das Skill ist ideal für Entwickler, die Videodateien für die Webauslieferung optimieren, Untertitel erstellen oder gesprochene Inhalte in durchsuchbare Textdokumente umwandeln müssen.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/lilinji/GeneTind-Life-Skills/tree/HEAD/skills/Video-Processor

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Videoprozessor

Anleitung

Dieses Skill bietet Videoverarbeitungsfunktionen, darunter Audioextraktion, Formatkonvertierung und Audiotranskription mit FFmpeg und OpenAIs Whisper-Modell.

Voraussetzungen

Erforderliche Werkzeuge (müssen in Ihrer Umgebung installiert sein):

  • FFmpeg: Multimedia-Framework zur Video-/Audioverarbeitung

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Installation überprüfen
    ffmpeg -version
    
  • OpenAI Whisper: Sprach-zu-Text-Transkriptionsmodell

    # Installation über pip
    pip install -U openai-whisper
    
    # Installation überprüfen
    whisper --help
    

Python-Pakete (im Skript via PEP 723 enthalten):

  • click (CLI-Framework)
  • ffmpeg-python (Python-Wrapper für FFmpeg)

Arbeitsablauf

Verwenden Sie für alle Videoverarbeitungsaufgaben das Skript scripts/video_processor.py. Das Skript bietet eine einfache CLI mit den folgenden Befehlen:

1. Audio aus Video extrahieren

Extrahiert die Audiospur aus einer Videodatei:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Optionen:

  • --format: Ausgabe-Audioformat (Standard: wav). Unterstützt: wav, mp3, aac, flac
  • Die Ausgabe eignet sich zur Transkription oder zur eigenständigen Audio-Nutzung

2. Video in MP4 konvertieren

Konvertiert jede Videodatei in das MP4-Format:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Optionen:

  • --codec: Videocodec (Standard: libx264). Gängige Optionen: libx264, libx265, h264
  • --preset: Verschlüsselungsgeschwindigkeits-/Qualitätsvoreinstellung (Standard: medium). Optionen: ultrafast, fast, medium, slow, veryslow

3. Video in WebM konvertieren

Konvertiert jede Videodatei in das WebM-Format (weboptimiert):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Optionen:

  • --codec: Videocodec (Standard: libvpx-vp9). Optionen: libvpx, libvpx-vp9
  • WebM ist für die Wiedergabe im Web und Streaming optimiert

4. Audio mit Whisper transkribieren

Transkribiert Audio- oder Videodateien in Text mit OpenAIs Whisper-Modell:

# Videodatei transkribieren (Audio wird automatisch extrahiert)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Audiodatei direkt transkribieren
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Optionen:

  • --model: Whisper-Modellgröße (Standard: base). Optionen:
    • tiny: Am schnellsten, geringste Genauigkeit (~1 GB RAM)
    • base: Schnell, gute Genauigkeit (~1 GB RAM) [STANDARD]
    • small: Ausgewogen (~2 GB RAM)
    • medium: Hohe Genauigkeit (~5 GB RAM)
    • large: Beste Genauigkeit, langsamste (~10 GB RAM)
  • --language: Sprachcode (Standard: automatische Erkennung). Beispiele: en, es, fr, de, zh
  • --format: Ausgabeformat (Standard: txt). Optionen: txt, srt, vtt, json

Transkriptionsablauf:

  1. Bei Videoeingabe extrahiert FFmpeg das Audio in eine temporäre WAV-Datei
  2. Whisper verarbeitet die Audiodatei
  3. Die Transkription wird im angeforderten Format gespeichert
  4. Temporäre Dateien werden automatisch bereinigt

5. Kombinierter Arbeitsablauf (Beispiel)

Verarbeitet ein Video durchgehend:

# 1. Audio für die Analyse extrahieren
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav

# 2. In SRT-Untertitel transkribieren
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small

# 3. In Web-Format konvertieren
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm

Wichtige technische Details

FFmpeg- und Whisper-Integration:

  • FFmpeg transkribiert Audio nicht selbst – es bereitet Audio für die externe Transkription auf
  • Der Arbeitsablauf ist: Audio extrahieren (FFmpeg) → Transkribieren (Whisper) → Optional: Mit Video wieder zusammenführen
  • FFmpeg kann Audio direkt an Whisper zur Echtzeitverarbeitung weiterleiten (fortgeschrittener Anwendungsfall)

Audioformat für die Transkription:

  • Whisper funktioniert am besten mit WAV- oder MP3-Formaten
  • Abtastrate: 16 kHz ist optimal (das Skript konvertiert automatisch)
  • Das Skript extrahiert Audio mit optimalen Einstellungen für Whisper

Ausgabeformate:

  • txt: Klartext-Transkript
  • srt: SubRip-Untertitelformat (mit Zeitstempeln)
  • vtt: WebVTT-Untertitelformat (Webstandard)
  • json: Detailliertes JSON mit Wort-für-Wort-Zeitstempeln

Fehlerbehandlung

Das Skript enthält eine umfassende Fehlerbehandlung:

  • Überprüft, ob Eingabedateien existieren
  • Prüft, ob FFmpeg und Whisper installiert sind
  • Liefert klare Fehlermeldungen bei fehlenden Abhängigkeiten
  • Bereinigt temporäre Dateien bei Fehlern

Leistungstipps

  • Verwenden Sie die Modelle tiny oder base für schnelle Entwürfe
  • Verwenden Sie small oder medium für Produktionstranskriptionen
  • Verwenden Sie large nur, wenn maximale Genauigkeit erforderlich ist
  • Ziehen Sie bei langen Videos in Betracht, zuerst das Audio zu extrahieren und dann in Segmenten zu transkribieren
  • Die WebM-Konvertierung mit VP9 dauert länger, erzeugt aber kleinere Dateien

Beispiele

Beispiel 1: Schnelle Video-zu-MP4-Konvertierung

Benutzeranfrage:

Ich habe eine AVI-Datei von meiner alten Kamera. Kannst du sie in MP4 konvertieren?

Sie würden:

  1. Den Befehl to-mp4 mit Standardeinstellungen verwenden:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4
    
  2. Bestätigen, dass die Konvertierung erfolgreich abgeschlossen wurde
  3. Den Benutzer über den Speicherort der Ausgabedatei informieren

Beispiel 2: Audio extrahieren und transkribieren

Benutzeranfrage:

Ich habe ein Vorlesungsvideo aufgenommen und brauche ein Transkript. Kannst du das Audio extrahieren und transkribieren?

Sie würden:

  1. Zuerst das Audio extrahieren:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav
    
  2. Dann mit dem base-Modell (gute Balance zwischen Geschwindigkeit und Genauigkeit) transkribieren:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base
    
  3. Die Datei transcript.txt mit dem Benutzer teilen

Beispiel 3: Weboptimiertes Video mit Untertiteln erstellen

Benutzeranfrage:

Ich muss dieses Video mit Untertiteln auf meine Website stellen. Kannst du helfen?

Sie würden:

  1. Für die Weboptimierung in WebM konvertieren:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm
    
  2. Eine SRT-Untertiteldatei erstellen:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small
    
  3. Den Benutzer darüber informieren, dass er jetzt Folgendes hat:
    • presentation.webm (weboptimiertes Video)
    • subtitles.srt (Untertiteldatei zum Einbetten)

Beispiel 4: Hochwertige Transkription mit Sprachangabe

Benutzeranfrage:

Ich habe ein spanisches Interviewvideo, das für die Veröffentlichung ein genaues Transkript benötigt.

Sie würden:

  1. Ein größeres Modell mit Sprachangabe für beste Genauigkeit verwenden:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es
    
  2. Optional SRT zur Überprüfung erstellen:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es
    
  3. Das Transkript mit dem Benutzer durchgehen und gegebenenfalls Korrekturen vornehmen

Beispiel 5: Stapelverarbeitung mehrerer Videos

Benutzeranfrage:

Ich habe einen Ordner mit Schulungsvideos, die alle in WebM konvertiert und transkribiert werden müssen.

Sie würden:

  1. Alle Videodateien im Verzeichnis auflisten:
    ls training_videos/*.mp4
    
  2. Für jede Videodatei die Konvertierung und Transkription ausführen:
    # Für jedes Video: video1.mp4, video2.mp4, usw.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm training_videos/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base
    
    # Für jede Datei wiederholen
    
  3. Bestätigen, dass alle Konvertierungen und Transkriptionen abgeschlossen sind
  4. Eine Zusammenfassung der Ausgabedateien bereitstellen

Zusammenfassung

Das Videoprozessor-Skill bietet eine einheitliche Schnittstelle für gängige Videoverarbeitungsaufgaben:

  • Audioextraktion: Audiospuren in verschiedenen Formaten extrahieren
  • Formatkonvertierung: In MP4 (universell) oder WebM (weboptimiert) konvertieren
  • Transkription: Sprache in Text mit mehreren Ausgabeformaten
  • Flexibel: CLI-Argumente für Modellauswahl, Sprache und Ausgabeformate

Alle Vorgänge werden über ein einziges, gut dokumentiertes Skript mit sinnvollen Standardeinstellungen und umfassender Fehlerbehandlung ausgeführt.

Verwandte Skills