Was macht video-understanding?
Agent-Fähigkeit: Zeitgestempelte Frames + lokale Whisper-SRT → understanding.md, das Bild und Sprache korreliert.
Agent-Fähigkeit: Zeitgestempelte Frames + lokale Whisper-SRT → understanding.md, das Bild und Sprache korreliert.
Diese Agent-Fähigkeit ermöglicht es KI-Agenten wie Claude Code, Cursor oder Codex, Videos zu analysieren, indem sie zeitgestempelte Einzelbilder (Frames) mit automatisch generierten Transkripten (SRT von local-whisper) kombiniert. Das Ergebnis ist eine `understanding.md`-Datei, die visuelle und sprachliche Informationen miteinander verknüpft. Dies ist besonders nützlich für Aufgaben wie Videozusammenfassungen, multimodales Verständnis oder die Erstellung von Dokumentationen aus Videoinhalten. Der Workflow nutzt lokale Tools und erfordert keine Cloud-Dienste, was Datenschutz und Offline-Nutzung ermöglicht.
npx skills add stevederico/video-understandingAgent-Fähigkeit: Zeitgestempelte Frames + lokale Whisper-SRT → understanding.md, das Bild und Sprache korreliert.
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.