Communitygithub.com

legenxxx/video-digest

Verwandle jedes Video in ein durchsuchbares Text-Digest – Transkript, Bildschirmtext & Links sowie Kontaktabzug-Montagen. 100 % lokal, keine Cloud.

Was ist video-digest?

Dieses Skill wandelt ein oder mehrere Videos in eine einzelne durchsuchbare Markdown-Zusammenfassung (`digest.md`) um, die drei Inhalte vereint: ein Spracherkennungs-Transkript (mittels faster-whisper), jeden eindeutigen Texthinweis auf dem Bildschirm (OCR) – inklusive extrahierter URLs und @-Handles – sowie eine Kontaktabzug-Montage, die das visuelle Storyboard über das gesamte Video hinweg zeigt. Alles läuft vollständig lokal ohne Netzwerkaufrufe, Anmeldungen oder Telemetrie. Benötigt wird lediglich `ffmpeg`; die optionalen Transkript- und OCR-Stufen können weggelassen oder durch verschiedene Engines wie macOS Vision, tesseract oder eine eigene faster-whisper-Installation ersetzt werden. Das Skill eignet sich ideal, um zahlreiche Videos schnell zu katalogisieren, nach Links und Bildschirminhalten zu durchsuchen oder einen schnellen visuellen Überblick über lange Aufnahmen zu erhalten – ohne die Videos selbst ansehen zu müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add legenxxx/video-digest

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht video-digest?

Überblick

Verwandle jedes Video in ein einziges durchsuchbares Markdown-Digest. Das Skill erzeugt für jedes Video drei Bestandteile und fügt sie in einer digest.md zusammen:

  1. Transkript – die gesprochenen Wörter (faster-whisper, lokal).
  2. Bildschirmtext – jede eindeutige Textzeile, die in den Frames sichtbar ist (OCR), mit separat extrahierten URLs und @-Handles.
  3. Kontaktabzug-Montagen – Gitter von Frames über das gesamte Video verteilt, sodass Sie die visuelle Geschichte auf einen Blick erfassen können.

Alles läuft lokal. Keine Netzwerkaufrufe, keine Konten, keine Telemetrie. Der Kern benötigt nur ffmpeg; Transkript und OCR sind optional und verschlechtern sich anmutig, wenn sie fehlen.

Wann verwenden

  • „Was ist in diesem Video / diesen 200 Videos?“ ohne sie anzusehen.
  • Aufbau eines durchsuchbaren Katalogs von Reels, Vorträgen, Tutorials oder Filmmaterial.
  • Die Links und Handles wiederherstellen, die in einem Clip auf dem Bildschirm erscheinen.
  • Einen schnellen visuellen Überblick (Montagen) über lange oder viele Aufnahmen erhalten.

Nicht geeignet für: Live-Streams, Videoschnitt oder Videoerzeugung. Dieses Skill liest Videos und gibt Text- und Bildzusammenfassungen aus.

Kurzreferenz

scripts/check-deps.sh                    # was installiert ist + wie man den Rest bekommt
scripts/video-digest.sh clip.mp4         # ein Video → ./video-digest-out/clip/digest.md
scripts/video-digest.sh --out ~/digests *.mp4     # Batch-Verarbeitung eines ganzen Ordners
scripts/video-digest.sh --lang en talk.mov        # Sprache des Transkripts vorgeben
scripts/video-digest.sh --no-transcript reel.mp4  # Audio überspringen, nur Bild + Text
scripts/video-digest.sh --ocr-engine tesseract x.mp4   # bestimmte OCR-Engine erzwingen
FlagZweckStandard
-o, --out DIRAusgabeverzeichnis./video-digest-out
--fps NOCR-Frame-Abtastrate2
--montage-frames NFrames über das Video verteilt90
--tile CxRMontage-Gitter3x3
--ocr-engine Eauto|vision|tesseract|noneauto
--whisper-model Mtiny|base|small|medium(+.en)small
--whisper-python PPython-Interpreter mit faster-whisperautomatisch erkannt
--lang CODESprache des Transkripts vorgebenautomatisch erkennen
--no-transcript / --no-ocr / --no-montageStufe überspringen—
--forceStufen erneut ausführen, auch wenn gecachtaus

Führen Sie scripts/video-digest.sh --help für die vollständige Liste aus.

Wie es funktioniert

Der Einstiegspunkt scripts/video-digest.sh orchestriert drei kleine, unabhängige Tools, die Sie auch einzeln ausführen können:

StufeSkriptEngine
Montagenscripts/montage.shffmpeg Tile-Filter
Bildschirmtextscripts/ocr.sh (+ ocr_vision.swift)macOS Vision (Standard) oder tesseract
Transkriptscripts/transcribe.pyfaster-whisper

Jede Stufe ist fortsetzbar – abgeschlossene Arbeit wird mit .done markiert / gecacht und bei erneuten Läufen übersprungen, es sei denn, Sie übergeben --force. Das Digest wird immer aus den vorhandenen Stufen neu erstellt, sodass auch partielle Läufe eine brauchbare Datei erzeugen.

Die OCR-Engine-Auswahl ist automatisch: unter macOS wird das eingebaute Vision-Framework verwendet (keine Installation, lokal), ansonsten tesseract, falls vorhanden; andernfalls wird OCR mit einer Warnung übersprungen. Siehe references/setup.md für die Installation optionaler Backends und references/output-format.md für das genaue Ausgabeformat.

Häufige Fehler

  • Leeres Transkript → faster-whisper ist nicht im verwendeten Interpreter installiert. Führen Sie scripts/check-deps.sh aus, dann pip install faster-whisper, oder verweisen Sie mit --whisper-python /pfad/zu/python auf eine vorhandene Umgebung.
  • Kein Bildschirmtext unter Linux → installieren Sie tesseract (apt install tesseract-ocr); die Vision-Engine ist nur unter macOS verfügbar.
  • Riesige Montage-Anzahl bei kurzen Clips → verringern Sie --montage-frames (z. B. 30).
  • Falsche Transkript-Sprache → übergeben Sie --lang (z. B. --lang sk), oder verwenden Sie ein nicht-.en-Modell für mehrsprachige Audiodaten.

Beispiel

examples/sample-digest/ enthält einen winzigen generierten Clip und das daraus erzeugte digest.md – Transkript, eine erkannte URL, einen @handle und ein Montageblatt. Reproduzieren Sie es mit (die Transkript-Zeile benötigt die Installation von faster-whisper):

scripts/video-digest.sh --montage-frames 9 examples/sample-digest/sample.mp4

Verwandte Skills