Communitygithub.com

Procesador de Video

Procesa archivos de video con extracción de audio, conversión de formato (mp4, webm) y transcripción con Whisper. Úsalo cuando el usuario mencione conversión de video, extracción de audio, transcripción, mp4, webm, ffmpeg o transcripción con Whisper.

¿Qué es Procesador de Video?

Este skill proporciona un conjunto completo de utilidades para el procesamiento de video directamente desde la línea de comandos. Permite extraer pistas de audio en múltiples formatos (WAV, MP3, AAC, FLAC), convertir videos a formatos universales como MP4 y optimizados para web como WebM, y transcribir audio a texto utilizando el modelo Whisper de OpenAI. Es compatible con entornos que tengan instalados FFmpeg y Whisper, y está diseñado para ser integrado en asistentes de IA como Claude Code, Cursor o Codex. El workflow típico comienza con la extracción de audio con FFmpeg, seguido de la transcripción con Whisper, y opcionalmente la conversión del video para publicación web. El skill incluye manejo de errores robusto, opciones configurables como el tamaño del modelo de Whisper (desde 'tiny' hasta 'large') y formatos de salida como SRT o VTT para subtítulos. Es ideal para desarrolladores que necesitan automatizar el procesamiento de videos de forma eficiente y con mínima configuración.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/lilinji/GeneTind-Life-Skills/tree/HEAD/skills/Video-Processor

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Procesador de Video?

Instrucciones

Este skill proporciona utilidades de procesamiento de video, que incluyen extracción de audio, conversión de formato y transcripción de audio utilizando FFmpeg y el modelo Whisper de OpenAI.

Prerrequisitos

Herramientas requeridas (deben estar instaladas en tu entorno):

  • FFmpeg: Framework multimedia para procesamiento de video/audio

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Verificar instalación
    ffmpeg -version
    
  • OpenAI Whisper: Modelo de transcripción de voz a texto

    # Instalar mediante pip
    pip install -U openai-whisper
    
    # Verificar instalación
    whisper --help
    

Paquetes Python (incluidos en el script mediante PEP 723):

  • click (framework CLI)
  • ffmpeg-python (envoltorio Python para FFmpeg)

Flujo de trabajo

Usa el script scripts/video_processor.py para todas las tareas de procesamiento de video. El script proporciona una CLI simple con los siguientes comandos:

1. Extraer Audio de Video

Extrae la pista de audio de un archivo de video:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Opciones:

  • --format: Formato de audio de salida (por defecto: wav). Soporta: wav, mp3, aac, flac
  • La salida es adecuada para transcripción o uso de audio independiente

2. Convertir Video a MP4

Convierte cualquier archivo de video a formato MP4:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Opciones:

  • --codec: Códec de video (por defecto: libx264). Opciones comunes: libx264, libx265, h264
  • --preset: Preajuste de velocidad/calidad de codificación (por defecto: medium). Opciones: ultrafast, fast, medium, slow, veryslow

3. Convertir Video a WebM

Convierte cualquier archivo de video a formato WebM (optimizado para web):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Opciones:

  • --codec: Códec de video (por defecto: libvpx-vp9). Opciones: libvpx, libvpx-vp9
  • WebM está optimizado para reproducción y streaming web

4. Transcribir Audio con Whisper

Transcribe archivos de audio o video a texto usando el modelo Whisper de OpenAI:

# Transcribir archivo de video (el audio se extrae automáticamente)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Transcribir archivo de audio directamente
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Opciones:

  • --model: Tamaño del modelo Whisper (por defecto: base). Opciones:
    • tiny: Más rápido, menor precisión (~1GB RAM)
    • base: Rápido, buena precisión (~1GB RAM) [POR DEFECTO]
    • small: Equilibrado (~2GB RAM)
    • medium: Alta precisión (~5GB RAM)
    • large: Mejor precisión, más lento (~10GB RAM)
  • --language: Código de idioma (por defecto: detección automática). Ejemplos: en, es, fr, de, zh
  • --format: Formato de salida (por defecto: txt). Opciones: txt, srt, vtt, json

Flujo de trabajo de transcripción:

  1. Si la entrada es video, FFmpeg extrae el audio a un archivo WAV temporal
  2. Whisper procesa el archivo de audio
  3. La transcripción se guarda en el formato solicitado
  4. Los archivos temporales se limpian automáticamente

5. Ejemplo de flujo de trabajo combinado

Procesa un video de principio a fin:

# 1. Extraer audio para análisis
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav

# 2. Transcribir a subtítulos SRT
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small

# 3. Convertir a formato web
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm

Detalles Técnicos Clave

Integración FFmpeg y Whisper:

  • FFmpeg no transcribe audio por sí mismo; prepara el audio para transcripción externa
  • El flujo de trabajo es: Extraer audio (FFmpeg) → Transcribir (Whisper) → Opcional: Reintegrar con video
  • FFmpeg puede canalizar audio directamente a Whisper para procesamiento en tiempo real (caso de uso avanzado)

Formato de Audio para Transcripción:

  • Whisper funciona mejor con formatos WAV o MP3
  • Frecuencia de muestreo: 16kHz es óptimo (el script maneja la conversión automáticamente)
  • El script extrae el audio con configuraciones óptimas para Whisper

Formatos de Salida:

  • txt: Transcripción de texto plano
  • srt: Formato de subtítulos SubRip (incluye marcas de tiempo)
  • vtt: Formato de subtítulos WebVTT (estándar web)
  • json: JSON detallado con marcas de tiempo a nivel de palabra

Manejo de Errores

El script incluye manejo de errores completo:

  • Valida que los archivos de entrada existan
  • Verifica que FFmpeg y Whisper estén instalados
  • Proporciona mensajes de error claros para dependencias faltantes
  • Maneja la limpieza de archivos temporales en caso de errores

Consejos de Rendimiento

  • Usa los modelos tiny o base para borradores rápidos
  • Usa small o medium para transcripciones de producción
  • Usa large solo cuando se requiera la máxima precisión
  • Para videos largos, considera extraer el audio primero y luego transcribir en segmentos
  • La conversión a WebM con VP9 toma más tiempo pero produce archivos más pequeños

Ejemplos

Ejemplo 1: Conversión Rápida de Video a MP4

Solicitud del usuario:

Tengo un archivo AVI de mi cámara antigua. ¿Puedes convertirlo a MP4?

Tú harías:

  1. Usar el comando to-mp4 con configuración predeterminada:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4
    
  2. Confirmar que la conversión se completó exitosamente
  3. Informar al usuario sobre la ubicación del archivo de salida

Ejemplo 2: Extraer Audio y Transcribir

Solicitud del usuario:

Grabé un video de una conferencia y necesito una transcripción. ¿Puedes extraer el audio y transcribirlo?

Tú harías:

  1. Primero extraer el audio:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav
    
  2. Luego transcribir usando el modelo base (buen equilibrio entre velocidad y precisión):
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base
    
  3. Compartir el archivo transcript.txt con el usuario

Ejemplo 3: Crear Video Optimizado para Web con Subtítulos

Solicitud del usuario:

Necesito poner este video en mi sitio web con subtítulos. ¿Puedes ayudarme?

Tú harías:

  1. Convertir a WebM para optimización web:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm
    
  2. Generar archivo de subtítulos SRT:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small
    
  3. Informar al usuario que ahora tiene:
    • presentation.webm (video optimizado para web)
    • subtitles.srt (archivo de subtítulos para incrustar)

Ejemplo 4: Transcripción de Alta Calidad con Especificación de Idioma

Solicitud del usuario:

Tengo un video de entrevista en español que necesita una transcripción precisa para su publicación.

Tú harías:

  1. Usar un modelo más grande con el idioma especificado para obtener la mejor precisión:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es
    
  2. Opcionalmente crear SRT para revisión:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es
    
  3. Revisar la transcripción con el usuario y hacer las correcciones necesarias

Ejemplo 5: Procesamiento por Lotes de Múltiples Videos

Solicitud del usuario:

Tengo una carpeta de videos de entrenamiento que todos necesitan ser convertidos a WebM y transcritos.

Tú harías:

  1. Listar todos los archivos de video en el directorio:
    ls training_videos/*.mp4
    
  2. Para cada archivo de video, ejecutar la conversión y transcripción:
    # Para cada video: video1.mp4, video2.mp4, etc.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm training_videos/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base
    
    # Repetir para cada archivo
    
  3. Confirmar que todas las conversiones y transcripciones se completaron
  4. Proporcionar un resumen de los archivos de salida

Resumen

El skill procesador-de-video proporciona una interfaz unificada para tareas comunes de procesamiento de video:

  • Extracción de audio: Extraer pistas de audio en varios formatos
  • Conversión de formato: Convertir a MP4 (universal) o WebM (optimizado para web)
  • Transcripción: Conversión de voz a texto con múltiples formatos de salida
  • Flexible: Argumentos CLI para selección de modelo, idioma y formatos de salida

Todas las operaciones se manejan a través de un único script bien documentado con valores predeterminados sensatos y manejo de errores completo.

Skills relacionados