VideoDB

Habilidad VideoDB

Percepción + memoria + acciones para video, transmisiones en vivo y sesiones de escritorio.

Cuándo usarla

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/detones 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

Ingesta + transmisión de video

• Ingestar un archivo o URL y devolver un enlace de flujo web reproducible
• Transcodificar/normalizar: códec, bitrate, fps, resolución, relación de aspecto

Indexar + buscar (marcas de tiempo + evidencia)

• Construir índices visuales, de palabras habladas 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

Edición y generación de línea de tiempo

• Subtítulos: generar, traducir, incrustar
• Superposiciones: texto/imagen/marca, subtítulos animados
• Audio: música de fondo, locución, doblaje
• Composición programática y exportaciones mediante operaciones de línea de tiempo

Transmisiones en vivo (RTSP) + monitoreo

• Conectar transmisiones RTSP/en vivo
• Ejecutar comprensión visual y de palabras habladas en tiempo real y emitir eventos/alertas para flujos de monitoreo

Cómo funciona

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 comprensión, especificación de transcodificación, especificación de indexación, consulta de búsqueda, rangos de clip, ediciones de línea de tiempo, reglas de alerta

Salidas comunes

• URL de flujo
• Resultados de búsqueda con marcas de tiempo y enlaces de evidencia
• Activos generados: subtítulos, audio, imágenes, clips
• Cargas de eventos/alertas para transmisiones en vivo
• Resúmenes de sesión de escritorio y entradas de memoria

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:

1. Entorno (si ya está exportado)
2. Archivo .env del proyecto en el directorio actual

Si la clave falta, videodb.connect() genera AuthenticationError automáticamente.

NO escriba un archivo de script cuando un comando corto en línea funcione.

Al escribir Python en línea (python -c "..."), use siempre código formateado correctamente — use punto y coma para separar declaraciones y manténgalo legible. Para cualquier cosa de más 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=tu-clave
• Archivo .env del proyecto: Guarde VIDEO_DB_API_KEY=tu-clave en el archivo .env del proyecto

Obtenga una clave API gratuita en console.videodb.io (50 subidas 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 + subtítulo

# 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("demostración 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 de 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 del índice existente del error.
try:
    scene_index_id = video.index_scenes(
        extraction_type=SceneExtractionType.shot_based,
        prompt="Describe el contenido visual en 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:

• start debe ser >= 0 (los valores negativos se aceptan silenciosamente pero producen salida dañada)
• start debe ser < end
• end debe 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 redes sociales)

Advertencia: reframe() es una operación lenta del lado del servidor. Para videos largos puede tomar varios minutos y puede agotar el tiempo de espera. Mejores prácticas:

• Siempre limite a un segmento corto usando start/end cuando sea posible
• Para videos completos, use callback_url para procesamiento asíncrono
• Recorte el video en una Timeline primero, 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"Subida fallida: {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 el tiempo	Se 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 un flujo dañado	Siempre valide start >= 0 antes de crear VideoAsset
generate_video() / create_collection() falla	Operation not allowed o maximum limit	Características restringidas por plan — informe al usuario sobre límites del plan

Ejemplos

Indicaciones canónicas

• "Inicia la captura de escritorio y alerta cuando aparezca un campo de contraseña."
• "Graba mi sesión y produce un resumen procesable cuando termine."
• "Ingesta este archivo y devuelve un enlace de flujo reproducible."
• "Indexa esta carpeta y encuentra cada escena con personas, devuelve marcas de tiempo."
• "Genera subtítulos, incrústalos y agrega música de fondo ligera."
• "Conecta esta URL RTSP y alerta cuando una persona entre en la zona."

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

1. Elija directorio de estado: STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
2. Inicie el listener: VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
3. Obtenga el ID de WebSocket: cat "$STATE_DIR/videodb_ws_id"
4. Ejecute el código de captura (consulte reference/capture.md para el flujo de trabajo completo)
5. Eventos escritos en: $STATE_DIR/videodb_events.jsonl

Use --clear cada vez que inicie una ejecución de captura nueva para que los eventos de transcripción y visuales obsoletos no se filtren en la nueva sesión.

Consultar eventos

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
]

Documentación adicional

La documentación de referencia está en el directorio reference/ adyacente 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 de búsqueda de video (palabras habladas 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 transmisiones en vivo (RTSP/RTMP)
• reference/rtstream-reference.md - Métodos del SDK 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 comunes de procesamiento de video y ejemplos

No use ffmpeg, moviepy o herramientas de codificación local cuando VideoDB admita la operación. Lo siguiente se maneja todo 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 bajo Limitaciones en reference/editor.md (transiciones, cambios de velocidad, recorte/zoom, gradación de color, mezcla de volumen).

Cuándo usar qué

Problema	Solución de 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 una Timeline
Necesita agregar subtítulos	video.add_subtitle() o CaptionAsset
Necesita combinar/recortar clips	VideoAsset en una Timeline
Necesita generar locución, música o efectos de sonido	coll.generate_voice(), generate_music(), generate_sound_effect()

Procedencia

El material de referencia para esta habilidad se encuentra localmente bajo skills/videodb/reference/. Use las copias locales anteriores en lugar de seguir enlaces de repositorios externos en tiempo de ejecución.