Habilidad VideoDB
Regla de Lectura Selectiva
Comience con:
references/senior-master-standard.mdreferences/usage-routing.mdreferences/quality-checklist.md
Luego cargue solo los documentos, scripts, activos o ejemplos heredados que coincidan con la tarea real del usuario.
Percepción + memoria + acciones para video, transmisiones en vivo y sesiones de escritorio.
Use esta habilidad cuando necesite:
Cuándo Usar
- Necesita percepción de video o audio, indexación, búsqueda o edición de línea de tiempo a partir de archivos, URLs, sesiones de escritorio o transmisiones en vivo.
- La tarea involucra marcas de tiempo, evidencia buscable, subtítulos, clips, superposiciones o alertas de monitoreo en tiempo real.
- Desea un flujo de trabajo que combine ingesta, comprensión, recuperación y acciones multimedia.
1) Percepción de Escritorio
- Iniciar/detener una sesión de escritorio capturando pantalla, micrófono y audio del sistema
- Transmitir contexto en vivo y almacenar memoria episódica de la sesión
- Ejecutar alertas/desencadenantes en tiempo real sobre lo que se dice y lo que sucede en pantalla
- Producir resúmenes de sesión, una línea de tiempo buscable y enlaces de evidencia reproducibles
2) Ingesta y transmisión de video
- Ingerir un archivo o URL y devolver un enlace de transmisión web reproducible
- Transcodificar/normalizar: codec, bitrate, fps, resolución, relación de aspecto
3) Indexar + buscar (marcas de tiempo + evidencia)
- Construir índices visuales, hablados y de palabras clave
- Buscar y devolver momentos exactos con marcas de tiempo y evidencia reproducible
- Crear automáticamente clips a partir de los resultados de búsqueda
4) Edición de línea de tiempo + generación
- Subtítulos: generar, traducir, incrustar
- Superposiciones: texto/imagen/marca, leyendas animadas
- Audio: música de fondo, voz en off, doblaje
- Composición programática y exportaciones mediante operaciones de línea de tiempo
5) Transmisiones en vivo (RTSP) + monitoreo
- Conectar fuentes RTSP/en vivo
- Ejecutar comprensión visual y hablada en tiempo real y emitir eventos/alertas para flujos de trabajo de monitoreo
Entradas comunes
- Ruta de archivo local, URL pública o URL RTSP
- Solicitud de captura de escritorio: iniciar / detener / resumir sesión
- Operaciones deseadas: obtener contexto para comprender, especificación de transcodificación, especificación de índice, consulta de búsqueda, rangos de clip, ediciones de línea de tiempo, reglas de alerta
Salidas comunes
- URL de transmisión
- Resultados de búsqueda con marcas de tiempo y enlaces de evidencia
- Activos generados: subtítulos, audio, imágenes, clips
- Cargas útiles de eventos/alertas para transmisiones en vivo
- Resúmenes de sesión de escritorio y entradas de memoria
Indicaciones canónicas (ejemplos)
- "Iniciar captura de escritorio y alertar cuando aparezca un campo de contraseña."
- "Grabar mi sesión y producir un resumen procesable cuando termine."
- "Ingerir este archivo y devolver un enlace de transmisión reproducible."
- "Indexar esta carpeta y encontrar cada escena con personas, devolver marcas de tiempo."
- "Generar subtítulos, incrustarlos y agregar música de fondo suave."
- "Conectar esta URL RTSP y alertar cuando una persona entre en la zona."
Ejecutar código Python
Antes de ejecutar cualquier código de VideoDB, cambie al directorio del proyecto y cargue las variables de entorno:
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
Esto lee VIDEO_DB_API_KEY de:
- Entorno (si ya está exportado)
- Archivo
.envdel proyecto en el directorio actual
Si la clave falta, videodb.connect() genera AuthenticationError automáticamente.
NO escriba un archivo de script cuando un comando en línea corto funcione.
Al escribir Python en línea (python -c "..."), siempre use código con el formato adecuado — use punto y coma para separar declaraciones y manténgalo legible. Para cualquier cosa más larga de ~3 declaraciones, use un heredoc en su lugar:
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
Configuración
Cuando el usuario pida "configurar videodb" o similar:
1. Instalar SDK
pip install "videodb[capture]" python-dotenv
Si videodb[capture] falla en Linux, instale sin el extra de captura:
pip install videodb python-dotenv
2. Configurar clave API
El usuario debe establecer VIDEO_DB_API_KEY usando cualquiera de los métodos:
- Exportar en terminal (antes de iniciar Claude):
export VIDEO_DB_API_KEY=su-clave - Archivo
.envdel proyecto: GuardeVIDEO_DB_API_KEY=su-claveen el archivo.envdel proyecto
Obtenga una clave API gratuita en https://console.videodb.io (50 cargas gratuitas, sin tarjeta de crédito).
NO lea, escriba ni maneje la clave API usted mismo. Siempre deje que el usuario la configure.
Referencia rápida
Subir medios
# URL
video = coll.upload(url="https://example.com/video.mp4")
# YouTube
video = coll.upload(url="https://www.youtube.com/watch?v=VIDEO_ID")
# Archivo local
video = coll.upload(file_path="/path/to/video.mp4")
Transcripción + subtítulos
# force=True omite el error si el video ya está indexado
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()
Buscar dentro de videos
from videodb.exceptions import InvalidRequestError
video.index_spoken_words(force=True)
# search() genera InvalidRequestError cuando no se encuentran resultados.
# Siempre envuélvalo en try/except y trate "No results found" como vacío.
try:
results = video.search("demo de producto")
shots = results.get_shots()
stream_url = results.compile()
except InvalidRequestError as e:
if "No results found" in str(e):
shots = []
else:
raise
Búsqueda por escenas
import re
from videodb import SearchType, IndexType, SceneExtractionType
from videodb.exceptions import InvalidRequestError
# index_scenes() no tiene parámetro force — genera un error si ya existe un
# índice de escenas. Extraiga el ID de índice existente del error.
try:
scene_index_id = video.index_scenes(
extraction_type=SceneExtractionType.shot_based,
prompt="Describe el contenido visual de esta escena.",
)
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
# Use score_threshold para filtrar ruido de baja relevancia (recomendado: 0.3+)
try:
results = video.search(
query="persona escribiendo en una pizarra",
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 "No results found" in str(e):
shots = []
else:
raise
Edición de línea de tiempo
Importante: Siempre valide las marcas de tiempo antes de construir una línea de tiempo:
startdebe ser >= 0 (los valores negativos se aceptan silenciosamente pero producen salida rota)startdebe ser <endenddebe ser <=video.length
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="El Fin", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()
Transcodificar video (cambio de resolución/calidad)
from videodb import TranscodeMode, VideoConfig, AudioConfig
# Cambiar resolución, calidad o relación de aspecto en el servidor
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),
)
Reencuadrar relación de aspecto (para plataformas sociales)
Advertencia: reframe() es una operación lenta en el servidor. Para videos largos puede tomar
varios minutos y podría agotar el tiempo de espera. Buenas prácticas:
- Siempre limite a un segmento corto usando
start/endcuando sea posible - Para videos de duración completa, use
callback_urlpara procesamiento asíncrono - Primero recorte el video en un
Timeline, luego reencuadre el resultado más corto
from videodb import ReframeMode
# Siempre prefiera reencuadrar un segmento corto:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
# Reencuadre asíncrono para videos completos (devuelve None, resultado vía webhook):
video.reframe(target="vertical", callback_url="https://example.com/webhook")
# Preajustes: "vertical" (9:16), "square" (1:1), "landscape" (16:9)
reframed = video.reframe(start=0, end=60, target="square")
# Dimensiones personalizadas
reframed = video.reframe(start=0, end=60, target={"width": 1280, "height": 720})
Medios generativos
image = coll.generate_image(
prompt="un atardecer sobre montañas",
aspect_ratio="16:9",
)
Manejo de errores
from videodb.exceptions import AuthenticationError, InvalidRequestError
try:
conn = videodb.connect()
except AuthenticationError:
print("Verifique su VIDEO_DB_API_KEY")
try:
video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
print(f"Error en la carga: {e}")
Errores comunes
| Escenario | Mensaje de error | Solución |
|---|---|---|
| Indexar un video ya indexado | Spoken word index for video already exists | Use video.index_spoken_words(force=True) para omitir si ya está indexado |
| El índice de escenas ya existe | Scene index with id XXXX already exists | Extraiga el scene_index_id existente del error con re.search(r"id\s+([a-f0-9]+)", str(e)) |
| La búsqueda no encuentra coincidencias | InvalidRequestError: No results found | Capture la excepción y trate como resultados vacíos (shots = []) |
| Reencuadre agota tiempo de espera | Bloquea indefinidamente en videos largos | Use start/end para limitar el segmento, o pase callback_url para asíncrono |
| Marcas de tiempo negativas en Timeline | Produce silenciosamente una transmisión rota | Siempre valide start >= 0 antes de crear VideoAsset |
generate_video() / create_collection() falla | Operation not allowed o maximum limit | Funciones limitadas por plan — informe al usuario sobre los límites del plan |
Documentación adicional
La documentación de referencia está en el directorio reference/ junto a este archivo SKILL.md. Use la herramienta Glob para localizarla si es necesario.
- reference/api-reference.md - Referencia completa de la API del SDK de Python de VideoDB
- reference/search.md - Guía detallada para búsqueda de video (palabra hablada y basada en escenas)
- reference/editor.md - Edición de línea de tiempo, activos y composición
- reference/streaming.md - Transmisión HLS y reproducción instantánea
- reference/generative.md - Generación de medios impulsada por IA (imágenes, video, audio)
- reference/rtstream.md - Flujo de trabajo de ingesta de transmisión en vivo (RTSP/RTMP)
- reference/rtstream-reference.md - Métodos del SDK de RTStream y pipelines de IA
- reference/capture.md - Flujo de trabajo de captura de escritorio
- reference/capture-reference.md - SDK de captura y eventos WebSocket
- reference/use-cases.md - Patrones y ejemplos comunes de procesamiento de video
Grabación de pantalla (Captura de escritorio)
Use ws_listener.py para capturar eventos WebSocket durante las sesiones de grabación. La captura de escritorio es compatible solo con macOS.
Inicio rápido
- Iniciar listener:
python scripts/ws_listener.py & - Obtener ID de WebSocket:
cat /tmp/videodb_ws_id - Ejecutar código de captura (consulte reference/capture.md para el flujo de trabajo completo)
- Eventos escritos en:
/tmp/videodb_events.jsonl
Consultar eventos
import json
events = [json.loads(l) for l in open("/tmp/videodb_events.jsonl")]
# Obtener todas las transcripciones
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
# Obtener descripciones visuales de los últimos 5 minutos
import time
cutoff = time.time() - 300
recent_visual = [e for e in events
if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff]
Scripts de utilidad
- scripts/ws_listener.py - Listener de eventos WebSocket (vuelca a JSONL)
Para el flujo de trabajo completo de captura, consulte reference/capture.md.
No use ffmpeg, moviepy ni herramientas de codificación local cuando VideoDB admita la operación. Las siguientes operaciones se manejan todas en el servidor por VideoDB: recorte, combinación de clips, superposición de audio o música, adición de subtítulos, superposiciones de texto/imagen, transcodificación, cambios de resolución, conversión de relación de aspecto, redimensionamiento para requisitos de plataforma, transcripción y generación de medios. Solo recurra a herramientas locales para operaciones listadas en Limitaciones en reference/editor.md (transiciones, cambios de velocidad, recorte/zoom, gradación de color, mezcla de volumen).
Cuándo usar qué
| Problema | Solución VideoDB |
|---|---|
| La plataforma rechaza la relación de aspecto o resolución del video | video.reframe() o conn.transcode() con VideoConfig |
| Necesita redimensionar video para Twitter/Instagram/TikTok | video.reframe(target="vertical") o target="square" |
| Necesita cambiar resolución (ej. 1080p → 720p) | conn.transcode() con VideoConfig(resolution=720) |
| Necesita superponer audio/música en video | AudioAsset en un Timeline |
| Necesita agregar subtítulos | video.add_subtitle() o CaptionAsset |
| Necesita combinar/recortar clips | VideoAsset en un Timeline |
| Necesita generar voz en off, música o efectos de sonido | coll.generate_voice(), generate_music(), generate_sound_effect() |
Repositorio
https://github.com/video-db/skills
Mantenido por: VideoDB
Limitaciones
- Use esta habilidad solo cuando la tarea coincida claramente con el alcance descrito anteriormente.
- No trate la salida como un sustituto de la validación, pruebas o revisión de expertos específicos del entorno.
- Deténgase y solicite aclaración si faltan entradas requeridas, permisos, límites de seguridad o criterios de éxito.