Was macht Video-Processor?
Anleitung
Diese Skill bietet Videoverarbeitungswerkzeuge, darunter Audio-Extraktion, Formatkonvertierung und Audio-Transkription mit FFmpeg und OpenAIs Whisper-Modell.
Voraussetzungen
Erforderliche Werkzeuge (müssen in Ihrer Umgebung installiert sein):
-
FFmpeg: Multimedia-Framework für 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 Tonspur 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 als eigenständige Audiodatei
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: Video-Codec (Standard: libx264). Übliche Optionen: libx264, libx265, h264--preset: Kodierungsgeschwindigkeits-/Qualitätseinstellung (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: Video-Codec (Standard: libvpx-vp9). Optionen: libvpx, libvpx-vp9- WebM ist für die Wiedergabe und das Streaming im Web optimiert
4. Audio mit Whisper transkribieren
Transkribiert Audio- oder Videodateien mit OpenAIs Whisper-Modell in Text:
# 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, niedrigste 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, am langsamsten (~10 GB RAM)
--language: Sprachcode (Standard: automatische Erkennung). Beispiele: en, es, fr, de, zh--format: Ausgabeformat (Standard: txt). Optionen: txt, srt, vtt, json
Transkriptionsablauf:
- Bei Videoeingabe extrahiert FFmpeg das Audio in eine temporäre WAV-Datei
- Whisper verarbeitet die Audiodatei
- Die Transkription wird im gewünschten Format gespeichert
- Temporäre Dateien werden automatisch bereinigt
5. Kombinierter Arbeitsablauf – Beispiel
Verarbeiten Sie ein Video von Anfang bis Ende:
# 1. Audio zur 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 selbst kein Audio – es bereitet das Audio für die externe Transkription auf
- Der Arbeitsablauf ist: Audio extrahieren (FFmpeg) → Transkribieren (Whisper) → Optional: Mit Video zusammenführen
- FFmpeg kann Audio direkt an Whisper weiterleiten für Echtzeitverarbeitung (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: Einfaches Text-Transkript
- srt: SubRip-Untertitelformat (enthält Zeitstempel)
- vtt: WebVTT-Untertitelformat (Web-Standard)
- json: Detailliertes JSON mit wortgenauen 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
tinyoderbasefür schnelle Entwürfe - Verwenden Sie
smallodermediumfür Transkriptionen in Produktionsqualität - Verwenden Sie
largenur, wenn maximale Genauigkeit erforderlich ist - Bei langen Videos sollten Sie zuerst das Audio extrahieren und dann abschnittsweise transkribieren
- Die Konvertierung in WebM mit VP9 dauert länger, erzeugt aber kleinere Dateien
Beispiele
Beispiel 1: Schnelle Konvertierung von Video in MP4
Benutzeranfrage:
Ich habe eine AVI-Datei von meiner alten Kamera. Kannst du sie in MP4 konvertieren?
Sie würden:
- Den Befehl to-mp4 mit Standardeinstellungen verwenden:
uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4 - Bestätigen, dass die Konvertierung erfolgreich abgeschlossen wurde
- 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:
- Zuerst das Audio extrahieren:
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav - Dann mit dem base-Modell transkribieren (gutes Gleichgewicht zwischen Geschwindigkeit und Genauigkeit):
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base - Die Datei transcript.txt mit dem Benutzer teilen
Beispiel 3: Web-optimiertes Video mit Untertiteln erstellen
Benutzeranfrage:
Ich muss dieses Video mit Untertiteln auf meine Website einbinden. Kannst du helfen?
Sie würden:
- Für das Web in WebM konvertieren:
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm - Eine SRT-Untertiteldatei erstellen:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small - Den Benutzer informieren, dass jetzt Folgendes vorliegt:
- presentation.webm (weboptimiertes Video)
- subtitles.srt (Untertiteldatei zum Einbetten)
Beispiel 4: Hochwertige Transkription mit Sprachangabe
Benutzeranfrage:
Ich habe ein spanisches Interviewvideo, das ein genaues Transkript für die Veröffentlichung benötigt.
Sie würden:
- 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 - Optional zur Überprüfung eine SRT-Datei erstellen:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es - 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:
- Alle Videodateien im Verzeichnis auflisten:
ls training_videos/*.mp4 - Für jede Videodatei die Konvertierung und Transkription durchführen:
# 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 - Bestätigen, dass alle Konvertierungen und Transkriptionen abgeschlossen sind
- Eine Zusammenfassung der Ausgabedateien bereitstellen
Zusammenfassung
Die Video-Processor-Skill bietet eine einheitliche Schnittstelle für gängige Videoverarbeitungsaufgaben:
- Audio-Extraktion: Tonspuren in verschiedenen Formaten extrahieren
- Formatkonvertierung: In MP4 (universell) oder WebM (weboptimiert) konvertieren
- Transkription: Sprach-zu-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 abgewickelt.