VideoDB Skill
Wahrnehmung + Gedächtnis + Aktionen für Video, Live-Streams und Desktop-Sitzungen.
Wann verwenden
Desktop-Wahrnehmung
- Desktop-Sitzung starten/stoppen, die Bildschirm, Mikrofon und Systemaudio aufnimmt
- Live-Kontext streamen und episodisches Sitzungsgedächtnis speichern
- Echtzeit-Alarme/Trigger auf Gesprochenes und Bildschirminhalt ausführen
- Sitzungszusammenfassungen, eine durchsuchbare Zeitleiste und abspielbare Beweislinks erstellen
Video-Import + Stream
- Eine Datei oder URL importieren und einen abspielbaren Web-Stream-Link zurückgeben
- Transkodieren/normalisieren: Codec, Bitrate, FPS, Auflösung, Seitenverhältnis
Index + Suche (Zeitstempel + Beweise)
- Visuelle, gesprochene und Schlüsselwort-Indizes erstellen
- Suchen und exakte Momente mit Zeitstempeln und abspielbaren Beweisen zurückgeben
- Automatisch Clips aus Suchergebnissen erstellen
Zeitleisten-Bearbeitung + Generierung
- Untertitel: generieren, übersetzen, einbrennen
- Overlays: Text/Bild/Marken, animierte Untertitel
- Audio: Hintergrundmusik, Sprachkommentar, Synchronisation
- Programmgesteuerte Komposition und Exporte über Zeitleisten-Operationen
Live-Streams (RTSP) + Überwachung
- RTSP/Live-Feeds verbinden
- Echtzeit-visuelles und gesprochenes Verständnis ausführen und Events/Alarme für Überwachungs-Workflows ausgeben
Funktionsweise
Übliche Eingaben
- Lokaler Dateipfad, öffentliche URL oder RTSP-URL
- Desktop-Erfassungsanfrage: Sitzung starten / stoppen / zusammenfassen
- Gewünschte Operationen: Kontext zum Verständnis abrufen, Transkodierspezifikation, Indexspezifikation, Suchabfrage, Clip-Bereiche, Zeitleisten-Bearbeitungen, Alarmregeln
Übliche Ausgaben
- Stream-URL
- Suchergebnisse mit Zeitstempeln und Beweislinks
- Generierte Assets: Untertitel, Audio, Bilder, Clips
- Event/Alarm-Payloads für Live-Streams
- Desktop-Sitzungszusammenfassungen und Gedächtniseinträge
Python-Code ausführen
Bevor Sie einen VideoDB-Code ausführen, wechseln Sie in das Projektverzeichnis und laden Sie 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
Fehlt der Schlüssel, löst videodb.connect() automatisch einen AuthenticationError aus.
Schreiben Sie KEINE Skriptdatei, wenn ein kurzer Inline-Befehl ausreicht.
Wenn Sie Inline-Python (python -c "...") verwenden, nutzen Sie immer korrekt formatierte Trennstriche (Semikolons) und halten Sie es lesbar. Für Code länger als etwa 3 Anweisungen verwenden Sie 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, installieren Sie 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 Starten von Claude):
export VIDEO_DB_API_KEY=ihr-schluessel - Projekt-
.env-Datei: Speichern SieVIDEO_DB_API_KEY=ihr-schluesselin der.env-Datei des Projekts
Holen Sie sich einen kostenlosen API-Schlüssel unter console.videodb.io (50 kostenlose Uploads, keine Kreditkarte erforderlich).
Lesen, schreiben oder handhaben Sie den API-Schlüssel NICHT selbst. Überlassen Sie dem Benutzer die Einstellung.
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="/pfad/zu/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 einpacken 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 "Keine Ergebnisse gefunden" in str(e):
shots = []
else:
raise
Szenen-Suche
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 Szenen-
# Index bereits existiert. Extrahieren Sie die vorhandene Index-ID aus dem Fehler.
try:
scene_index_id = video.index_scenes(
extraction_type=SceneExtractionType.shot_based,
prompt="Beschreiben Sie 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
# score_threshold verwenden, um Rauschen mit geringer Relevanz zu filtern (empfohlen: 0.3 oder höher)
try:
results = video.search(
query="Person schreibt auf einem Whiteboard",
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 "Keine Ergebnisse gefunden" in str(e):
shots = []
else:
raise
Zeitleisten-Bearbeitung
Wichtig: Validiere immer die Zeitstempel, bevor du eine Zeitleiste erstellst:
startmuss >= 0 sein (negative Werte werden stillschweigend akzeptiert, erzeugen aber fehlerhafte 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
# Auflösung, Qualität oder Seitenverhältnis serverseitig ändern
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 zu Zeitüberschreitungen führen. Best Practices:
- Beschränken Sie es wenn möglich immer auf ein kurzes Segment mit
start/end - Bei vollständigen Videos verwenden Sie
callback_urlfür die asynchrone Verarbeitung - Schneiden Sie das Video zuerst auf einer
Timelinezu, dann passen Sie das kürzere Ergebnis an
from videodb import ReframeMode
# Immer ein kurzes Segment anpassen:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
# Asynchrones Reframing 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 Bergen",
aspect_ratio="16:9",
)
Fehlerbehandlung
from videodb.exceptions import AuthenticationError, InvalidRequestError
try:
conn = videodb.connect()
except AuthenticationError:
print("Überprüfen Sie Ihren 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 |
|---|---|---|
| Indizieren eines bereits indizierten Videos | Spoken word index for video already exists | Verwenden Sie video.index_spoken_words(force=True), um zu überspringen, falls bereits indiziert |
| Szenen-Index existiert bereits | Scene index with id XXXX already exists | Extrahieren Sie 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 | Fangen Sie die Ausnahme ab und behandeln Sie sie als leere Ergebnisse (shots = []) |
| Reframe-Zeitüberschreitung | Blockiert bei langen Videos unbegrenzt | Verwenden Sie start/end zur Begrenzung des Segments oder übergeben Sie callback_url für asynchrone Verarbeitung |
| Negative Zeitstempel in Timeline | Erzeugt stillschweigend fehlerhaften Stream | Validieren Sie immer start >= 0, bevor Sie VideoAsset erstellen |
generate_video() / create_collection() schlägt fehl | Operation not allowed oder maximum limit | Planabhängige Funktionen – informieren Sie den Benutzer über die Planlimits |
Beispiele
Kanonische Aufforderungen
- "Desktop-Erfassung starten und alarmieren, wenn ein Passwortfeld erscheint."
- "Meine Sitzung aufzeichnen und eine umsetzbare Zusammenfassung erstellen, wenn sie endet."
- "Diese Datei importieren und einen abspielbaren Stream-Link zurückgeben."
- "Diesen Ordner indizieren und jede Szene mit Personen finden, Zeitstempel zurückgeben."
- "Untertitel generieren, einbrennen und leichte Hintergrundmusik hinzufügen."
- "Diese RTSP-URL verbinden und alarmieren, wenn eine Person die Zone betritt."
Bildschirmaufnahme (Desktop-Erfassung)
Verwenden Sie ws_listener.py, um WebSocket-Ereignisse während Aufnahmesitzungen zu erfassen. Desktop-Erfassung unterstützt nur macOS.
Schnellstart
- State-Verzeichnis wählen:
STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}" - Listener starten:
VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" & - WebSocket-ID abrufen:
cat "$STATE_DIR/videodb_ws_id" - Aufnahmecode ausführen (siehe reference/capture.md für den vollständigen Workflow)
- Ereignisse geschrieben nach:
$STATE_DIR/videodb_events.jsonl
Verwenden Sie --clear immer beim Start einer neuen Aufnahme, damit veraltete Transkript- und visuelle Ereignisse nicht in die neue Sitzung gelangen.
Ereignisse abfragen
import json
import os
import time
from pathlib import Path
events_dir = Path(os.environ.get("VIDEODB_EVENTS_DIR", Path.home() / ".local" / "state" / "videodb"))
events_file = events_dir / "videodb_events.jsonl"
events = []
if events_file.exists():
with events_file.open(encoding="utf-8") as handle:
for line in handle:
try:
events.append(json.loads(line))
except json.JSONDecodeError:
continue
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
cutoff = time.time() - 300
recent_visual = [
e for e in events
if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff
]
Zusätzliche Dokumentation
Die Referenzdokumentation befindet sich im Verzeichnis reference/ neben dieser SKILL.md-Datei. Verwenden Sie 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 – Zeitleisten-Bearbeitung, Assets und Komposition
- reference/streaming.md – HLS-Streaming und sofortige Wiedergabe
- reference/generative.md – KI-gestützte Mediengenerierung (Bilder, Videos, Audio)
- reference/rtstream.md – Live-Stream-Import-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
Verwenden Sie ffmpeg, moviepy oder lokale Codierungswerkzeuge NICHT, wenn VideoDB die Operation unterstützt. Folgende Operationen werden alle serverseitig von VideoDB erledigt: Trimmen, Kombinieren von Clips, Überlagern von Audio oder Musik, Hinzufügen von Untertiteln, Text-/Bildeinblendungen, Transkodieren, Auflösungsänderungen, Seitenverhältnis-Konvertierung, Größenänderung für Plattformanforderungen, Transkription und Mediengenerierung. Verwenden Sie lokale Werkzeuge nur für Operationen, die unter "Einschränkungen" in reference/editor.md aufgeführt sind (Übergänge, Geschwindigkeitsänderungen, Zuschneiden/Zoomen, Farbkorrektur, Lautstärkemischung).
Wann was verwenden
| Problem | VideoDB-Lösung |
|---|---|
| Plattform lehnt Video-Seitenverhältnis oder Auflösung ab | video.reframe() oder conn.transcode() mit VideoConfig |
| Video für Twitter/Instagram/TikTok zuschneiden | video.reframe(target="vertical") oder target="square" |
| Auflösung ändern (z.B. 1080p → 720p) | conn.transcode() mit VideoConfig(resolution=720) |
| Audio/Musik auf Video legen | AudioAsset auf einer Timeline |
| Untertitel hinzufügen | video.add_subtitle() oder CaptionAsset |
| Clips kombinieren/trimmen | VideoAsset auf einer Timeline |
| Sprachkommentar, Musik oder Soundeffekte generieren | coll.generate_voice(), generate_music(), generate_sound_effect() |
Herkunft
Referenzmaterial für dieses Skill wird lokal unter skills/videodb/reference/ abgelegt. Verwenden Sie die lokalen Kopien oben anstatt bei der Ausführung auf externe Repository-Links zuzugreifen.