Communitygithub.com

Video Content Extractor

Extrahiert Schlüsselbilder aus MP4-Videos in konfigurierbaren Intervallen, führt Tesseract-OCR durch und erstellt strukturierte Markdown-Berichte mit Videometadaten und zeitgestempelten Texttranskripten.

Was ist Video Content Extractor?

Dieser Skill automatisiert die Textextraktion aus Videodateien mithilfe von FFmpeg und Tesseract OCR. Er extrahiert in regelmäßigen Abständen Frames aus MP4-Videos, führt auf jedem Frame eine optische Zeichenerkennung (OCR) durch und erstellt einen strukturierten Markdown-Bericht. Der Bericht enthält Metadaten wie Dauer, Auflösung und Codec-Informationen sowie die OCR-Ergebnisse mit Zeitstempeln. Der Skill ist ideal für die Analyse von Vorlesungen, Präsentationen oder Bildschirmaufnahmen ohne Untertitel. Er unterstützt benutzerdefinierte Extraktionsintervalle und Sprachpakete (z. B. Englisch und Chinesisch) und arbeitet vollständig lokal, ohne Daten über das Netzwerk zu senden. Der Skill ist für Codex CLI optimiert und erfordert, dass FFmpeg und Tesseract auf dem System installiert sind.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/JantonioFC/skillsbank/tree/HEAD/skills/video-content-extractor

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Video Content Extractor?

Übersicht

Extrahiert automatisch Schlüsselbilder aus MP4-Videodateien in konfigurierbaren Zeitintervallen, führt OCR (Texterkennung) auf jedem Bild durch und erstellt einen strukturierten Markdown-Bericht. Der Bericht enthält Videometadaten (Dauer, Auflösung, Codecs) und Bild-für-Bild-OCR-Transkripte mit Zeitstempelreferenzen.

Dieser Skill ist für Codex CLI konzipiert und erfordert FFmpeg und Tesseract OCR, die auf dem lokalen Rechner installiert sein müssen.

Wann dieser Skill verwendet werden sollte

  • Verwenden Sie ihn, wenn Sie Textinhalte aus Videopräsentationen, Vorlesungen oder Bildschirmaufnahmen extrahieren müssen.
  • Verwenden Sie ihn, wenn Sie durchsuchbare Transkripte aus Videodateien ohne eingebettete Untertitel erstellen möchten.
  • Verwenden Sie ihn, wenn Sie Videoinhalte programmatisch analysieren und strukturierte Zusammenfassungen generieren müssen.
  • Verwenden Sie ihn, wenn der Benutzer darum bittet, "zu lesen, was auf dem Bildschirm ist" oder "den Inhalt dieses Videos zu extrahieren".

So funktioniert es

Schritt 1: Videometadaten analysieren

Der Skill verwendet ffprobe, um Videometadaten zu extrahieren: Dauer, Auflösung, Bildrate, Codec-Informationen und Dateigröße.

Schritt 2: Schlüsselbilder extrahieren

Mit FFmpeg erfasst der Skill Bilder im konfigurierten Intervall (Standard: alle 30 Sekunden). Jedes Bild wird als JPEG-Datei mit Zeitstempel gespeichert.

Schritt 3: OCR-Texterkennung

Jedes extrahierte Bild wird von Tesseract OCR verarbeitet. Wenn der Standard-PSM-Modus keinen sinnvollen Text liefert, wird auf vollautomatische Seitenzerlegung zurückgegriffen.

Schritt 4: Markdown-Bericht erstellen

Alle extrahierten Daten werden zu einem strukturierten Markdown-Dokument zusammengestellt.

Beispiele

Beispiel 1: Basisextraktion

Agent-Prompt: Verwende den Skill video-content-extractor, um Inhalte aus lecture.mp4 zu extrahieren

Die Ausgabe erzeugt lecture.md und das Verzeichnis lecture_frames/.

Beispiel 2: Benutzerdefiniertes Intervall

Parameter: video_path, output_dir, interval(seconds), lang Extrahiere alle 60 Sekunden mit OCR nur für Englisch: python scripts/extract_video.py recording.mp4 ./output 60 eng

Beispiel 3: Zweisprachiger Inhalt

Extrahiere mit standardmäßigem Chinesisch + Englisch OCR: python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng

Best Practices

  • Verwenden Sie kürzere Intervalle (10-15s) für schnelllebige Inhalte mit häufigen Textänderungen.
  • Verwenden Sie längere Intervalle (30-60s) für Präsentationsfolien oder langsame Vorlesungen, um doppelte Bilder zu reduzieren.
  • Stellen Sie für chinesische Inhalte sicher, dass das Tesseract-Chinesisch-Sprachpaket (chi_sim) installiert ist.

Einschränkungen

  • Erfordert installierte FFmpeg- und Tesseract-OCR-Versionen, die über PATH zugänglich sind.
  • Die Genauigkeit von Tesseract OCR hängt von der Videoqualität, der Textgröße und der Schriftklarheit ab.
  • Extrahiert kein Audio und führt keine Sprach-zu-Text-Transkription durch.
  • Die Bilderextraktion erfolgt zeitbasiert (nicht szenenwechselbasiert), was zu nahezu identischen Bildern führen kann.
  • Große Videos mit kurzen Intervallen können viele Bilder erzeugen – stellen Sie ausreichend Speicherplatz sicher.

Sicherheitshinweise

  • Dieser Skill liest nur Videodateien und schreibt extrahierte Bilder sowie Markdown-Berichte.
  • Es werden KEINE Daten über das Netzwerk gesendet – die gesamte Verarbeitung erfolgt lokal.
  • FFmpeg und Tesseract werden mit festen, geprüften Argumenten aufgerufen.
  • Der Skill ändert oder löscht die ursprüngliche Videodatei nicht.

Häufige Fallstricke

  • Problem: Tesseract gibt verstümmelten Text zurück Lösung: Stellen Sie sicher, dass das richtige Sprachpaket installiert ist. Führen Sie tesseract --list-langs aus, um dies zu überprüfen.

  • Problem: FFmpeg schlägt mit "nicht gefunden" fehl Lösung: Stellen Sie sicher, dass FFmpeg im PATH ist. Führen Sie ffmpeg -version aus, um dies zu überprüfen.

  • Problem: OCR ist bei großen Videos langsam Lösung: Erhöhen Sie den Intervallparameter, um die Anzahl der zu verarbeitenden Bilder zu reduzieren.

Verwandte Skills

  • @media-summarizer – Zum Zusammenfassen von Videoinhalten mithilfe visueller und akustischer Hinweise.
  • @document-ocr – Für OCR auf statischen Bildern oder gescannten Dokumenten ohne Videoverarbeitung.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

JantonioFC/skillsbank

AI-powered image editing with style transfer and object removal

JantonioFC/skillsbank

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

JantonioFC/skillsbank

Analise e auditoria de editais de leilao judicial e extrajudicial. Riscos ocultos, clausulas perigosas, debitos, ocupante e classificacao da oportunidade.

JantonioFC/skillsbank

Embed Photopea in web apps using photopea.js. Covers embedding, file I/O, scripting, exporting, layers, text, filters, and the full Photoshop-compatible API.

JantonioFC/skillsbank

Best practices for Remotion - Video creation in React

JantonioFC/skillsbank

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

JantonioFC/skillsbank

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

JantonioFC/skillsbank

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

JantonioFC/skillsbank

Video and audio perception, indexing, and editing. Ingest files/URLs/live streams, build visual/spoken indexes, search with timestamps, edit timelines, add overlays/subtitles, generate media, and create real-time alerts.

JantonioFC/skillsbank

Upload, stream, search, edit, transcribe, and generate AI video and audio using the VideoDB SDK.

JantonioFC/skillsbank

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

JantonioFC/skillsbank

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

JantonioFC/skillsbank

Tool lifecycle UI components for React/Next.js from ui.inference.sh. Display tool calls: pending, progress, approval required, results. Capabilities: tool status, progress indicators, approval flows, results display. Use for: showing agent tool calls, human-in-the-loop approvals, tool output. Triggers: tool ui, tool calls, tool status, tool approval, tool results, agent tools, mcp tools ui, function calling ui, tool lifecycle, tool pending

JantonioFC/skillsbank

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

JantonioFC/skillsbank

When the user wants help with paid advertising campaigns on Google Ads, Meta (Facebook/Instagram), LinkedIn, Twitter/X, or other ad platforms. Also use when the user mentions 'PPC,' 'paid media,' 'ROAS,' 'CPA,' 'ad campaign,' 'retargeting,' 'audience targeting,' 'Google Ads,' 'Facebook ads,'...

JantonioFC/skillsbank

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, expla...

JantonioFC/skillsbank

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awarene...

JantonioFC/skillsbank

Generate AI videos with Google Veo, Seedance, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 1.5 Pro, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, lipsync, avatar animation, video upscaling, fole...

JantonioFC/skillsbank

Production-ready CI/CD configurations for Playwright — GitHub Actions, GitLab CI, CircleCI, Azure DevOps, Jenkins, Docker, parallel sharding, reporting, code coverage, and global setup/teardown.

JantonioFC/skillsbank

You are an expert copy editor specializing in marketing and conversion copy. Your goal is to systematically improve existing copy through focused editing passes while preserving the core message.

Verwandte Skills