¿Qué hace video-digest?
Resumen
Convierte cualquier video en un único resumen de Markdown buscable. Para cada clip, la habilidad genera tres elementos y los combina en un digest.md:
- Transcripción — las palabras habladas (faster-whisper, en el dispositivo).
- Texto en pantalla — cada línea de texto única visible en los fotogramas (OCR), con URLs y @handles extraídos por separado.
- Montajes de cuadros — cuadrículas de fotogramas que abarcan todo el clip, para que puedas leer su historia visual de un vistazo.
Todo se ejecuta localmente. Sin llamadas de red, sin cuentas, sin telemetría. El núcleo solo necesita ffmpeg; la transcripción y el OCR son opcionales y se degradan de forma gradual.
Cuándo usarlo
- "¿Qué contiene este video / estos 200 videos?" sin tener que verlos.
- Construir un catálogo buscable de reels, charlas, tutoriales o grabaciones.
- Recuperar los enlaces y handles que aparecen en pantalla en un clip.
- Obtener una vista visual rápida (montajes) de grabaciones largas o muchas.
No es para: transmisiones en vivo, edición/corte de video, o generación de video. Esto lee video y emite texto + resúmenes de imágenes.
Referencia rápida
scripts/check-deps.sh # lo que está instalado + cómo obtener el resto
scripts/video-digest.sh clip.mp4 # un video → ./video-digest-out/clip/digest.md
scripts/video-digest.sh --out ~/digests *.mp4 # procesar toda una carpeta
scripts/video-digest.sh --lang es talk.mov # indicar el idioma de la transcripción
scripts/video-digest.sh --no-transcript reel.mp4 # omitir audio, solo texto visual
scripts/video-digest.sh --ocr-engine tesseract x.mp4 # forzar un motor OCR específico
| Banderas | Propósito | Valor por defecto |
|---|---|---|
-o, --out DIR | directorio de salida | ./video-digest-out |
--fps N | tasa de muestreo de fotogramas para OCR | 2 |
--montage-frames N | fotogramas distribuidos a lo largo del clip | 90 |
--tile CxR | cuadrícula del montaje | 3x3 |
--ocr-engine E | auto|vision|tesseract|none | auto |
--whisper-model M | tiny|base|small|medium(+.en) | small |
--whisper-python P | intérprete que tenga faster-whisper | auto-detectado |
--lang CODE | indicación del idioma de transcripción | auto-detect |
--no-transcript / --no-ocr / --no-montage | saltar una etapa | — |
--force | re-ejecutar etapas incluso si están en caché | off |
Ejecuta scripts/video-digest.sh --help para la lista completa.
Cómo funciona
El punto de entrada scripts/video-digest.sh orquesta tres herramientas pequeñas e independientes que también puedes ejecutar por separado:
| Etapa | Script | Motor |
|---|---|---|
| Montajes | scripts/montage.sh | filtro tile de ffmpeg |
| Texto en pantalla | scripts/ocr.sh (+ ocr_vision.swift) | Vision de macOS (por defecto) o tesseract |
| Transcripción | scripts/transcribe.py | faster-whisper |
Cada etapa es reanudable — el trabajo completado se marca como .done / se almacena en caché y se omite en re-ejecuciones a menos que pases --force. El resumen siempre se reconstruye a partir de las etapas presentes, por lo que las ejecuciones parciales siguen produciendo un archivo útil.
La selección del motor OCR es automática: en macOS usa el framework Vision integrado (sin instalación, en el dispositivo), en caso contrario tesseract si está presente, y si no, omite OCR con una advertencia. Consulta references/setup.md para instalar motores opcionales y references/output-format.md para el diseño exacto de la salida.
Errores comunes
- Transcripción vacía → faster-whisper no está instalado en el intérprete que se está usando. Ejecuta
scripts/check-deps.sh, luegopip install faster-whisper, o apunta a un entorno existente con--whisper-python /ruta/a/python. - Sin texto en pantalla en Linux → instala
tesseract(apt install tesseract-ocr); el motor Vision es solo para macOS. - Cantidad enorme de montajes en clips cortos → reduce
--montage-frames(p. ej.30). - Idioma de transcripción incorrecto → pasa
--lang(p. ej.--lang es), o usa un modelo que no sea.enpara audio multilingüe.
Ejemplo
examples/sample-digest/ contiene un clip generado pequeño y el digest.md que produce — transcripción, una URL detectada, un @handle, y una hoja de montaje. Reprodúcelo con (la línea de transcripción necesita tener faster-whisper instalado):
scripts/video-digest.sh --montage-frames 9 examples/sample-digest/sample.mp4