Communitygithub.com

JantonioFC/skillsbank

Extrae fotogramas clave de videos MP4 en intervalos configurables, ejecuta OCR con Tesseract y genera informes Markdown estructurados con metadatos del video y transcripciones de texto con marcas de tiempo.

¿Qué es skillsbank?

Esta habilidad está diseñada para extraer automáticamente contenido textual de archivos de video MP4. Primero, analiza el video con FFmpeg para extraer fotogramas en intervalos configurables (por defecto cada 30 segundos). Luego, aplica Tesseract OCR a cada fotograma para reconocer texto, con soporte multilingüe (incluyendo chino e inglés). Finalmente, genera un informe Markdown estructurado que incluye metadatos del video (duración, resolución, códecs) y transcripciones fotograma por fotograma con referencias temporales. Es útil para crear transcripciones buscables de presentaciones, conferencias o screencasts que no tienen subtítulos integrados. Funciona completamente en local sin enviar datos a la red, y requiere que FFmpeg y Tesseract OCR estén instalados en el sistema. Está optimizada para Codex CLI, pero puede adaptarse a otras plataformas de agentes de IA.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/JantonioFC/skillsbank/tree/HEAD/skills/video-content-extractor

Preguntar en tu IA favorita

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

Documentación

Extractor de Contenido de Video

Resumen

Extrae automáticamente fotogramas clave de archivos de video MP4 en intervalos de tiempo configurables, realiza reconocimiento de texto OCR en cada fotograma y genera un informe Markdown estructurado. El informe incluye metadatos del video (duración, resolución, códecs) y transcripciones OCR fotograma por fotograma con referencias de tiempo.

Esta habilidad está diseñada para Codex CLI y requiere FFmpeg y Tesseract OCR instalados en la máquina local.

Cuándo Usar Esta Habilidad

  • Úsala cuando necesites extraer contenido textual de presentaciones de video, conferencias o screencasts.
  • Úsala cuando quieras crear transcripciones buscables a partir de archivos de video sin subtítulos incrustados.
  • Úsala cuando necesites analizar contenido de video de forma programática y generar resúmenes estructurados.
  • Úsala cuando el usuario pida "leer lo que está en pantalla" o "extraer el contenido de este video".

Cómo Funciona

Paso 1: Analizar Metadatos del Video

La habilidad usa ffprobe para extraer los metadatos del video: duración, resolución, tasa de fotogramas, información de códecs y tamaño del archivo.

Paso 2: Extraer Fotogramas Clave

Usando FFmpeg, la habilidad captura fotogramas en el intervalo configurado (por defecto: cada 30 segundos). Cada fotograma se guarda como una imagen JPEG con marca de tiempo.

Paso 3: Reconocimiento de Texto OCR

Cada fotograma extraído es procesado por Tesseract OCR. Si el modo PSM predeterminado no devuelve texto significativo, se recurre a la segmentación de página totalmente automática.

Paso 4: Generar Informe Markdown

Todos los datos extraídos se ensamblan en un documento Markdown estructurado.

Ejemplos

Ejemplo 1: Extracción Básica

Instrucción para el agente: Usa la habilidad de extractor de contenido de video para extraer contenido de lecture.mp4

La salida genera lecture.md y el directorio lecture_frames/.

Ejemplo 2: Intervalo Personalizado

Parámetros: video_path, output_dir, interval(seconds), lang Extrae cada 60 segundos con OCR solo en inglés: python scripts/extract_video.py recording.mp4 ./output 60 eng

Ejemplo 3: Contenido Bilingüe

Extrae con OCR predeterminado en chino e inglés: python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng

Mejores Prácticas

  • Usa intervalos más cortos (10-15 s) para contenido rápido con cambios frecuentes de texto.
  • Usa intervalos más largos (30-60 s) para diapositivas de presentaciones o conferencias lentas para reducir fotogramas duplicados.
  • Para contenido en chino, asegúrate de que el paquete de idioma chino de Tesseract esté instalado (chi_sim).

Limitaciones

  • Requiere que FFmpeg y Tesseract OCR estén instalados y accesibles a través del PATH.
  • La precisión de Tesseract OCR depende de la calidad del video, el tamaño del texto y la claridad de la fuente.
  • No extrae audio ni realiza transcripción de voz a texto.
  • La extracción de fotogramas se basa en tiempo (no en cambios de escena), lo que puede producir fotogramas casi duplicados.
  • Videos grandes con intervalos cortos pueden generar muchos fotogramas: asegura suficiente espacio en disco.

Notas de Seguridad y Protección

  • Esta habilidad solo lee archivos de video y escribe los fotogramas extraídos e informes Markdown.
  • NO envía ningún dato a través de la red: todo el procesamiento es local.
  • FFmpeg y Tesseract se invocan con argumentos fijos y previamente verificados.
  • La habilidad no modifica ni elimina el archivo de video original.

Errores Comunes

  • Problema: Tesseract devuelve texto sin sentido Solución: Asegúrate de que el paquete de idioma correcto esté instalado. Ejecuta tesseract --list-langs para verificar.

  • Problema: FFmpeg falla con "no encontrado" Solución: Asegúrate de que FFmpeg esté en el PATH. Ejecuta ffmpeg -version para verificar.

  • Problema: El OCR es lento en videos grandes Solución: Aumenta el parámetro de intervalo para reducir la cantidad de fotogramas procesados.

Habilidades Relacionadas

  • @media-summarizer - Para resumir contenido de video usando señales visuales y de audio.
  • @document-ocr - Para OCR en imágenes estáticas o documentos escaneados sin procesamiento de video.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

JantonioFC/skillsbank

AI-powered image editing with style transfer and object removal

JantonioFC/skillsbank

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

JantonioFC/skillsbank

Analise e auditoria de editais de leilao judicial e extrajudicial. Riscos ocultos, clausulas perigosas, debitos, ocupante e classificacao da oportunidade.

JantonioFC/skillsbank

Embed Photopea in web apps using photopea.js. Covers embedding, file I/O, scripting, exporting, layers, text, filters, and the full Photoshop-compatible API.

JantonioFC/skillsbank

Best practices for Remotion - Video creation in React

JantonioFC/skillsbank

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

JantonioFC/skillsbank

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

JantonioFC/skillsbank

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

JantonioFC/skillsbank

Video and audio perception, indexing, and editing. Ingest files/URLs/live streams, build visual/spoken indexes, search with timestamps, edit timelines, add overlays/subtitles, generate media, and create real-time alerts.

JantonioFC/skillsbank

Upload, stream, search, edit, transcribe, and generate AI video and audio using the VideoDB SDK.

JantonioFC/skillsbank

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

JantonioFC/skillsbank

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

JantonioFC/skillsbank

Tool lifecycle UI components for React/Next.js from ui.inference.sh. Display tool calls: pending, progress, approval required, results. Capabilities: tool status, progress indicators, approval flows, results display. Use for: showing agent tool calls, human-in-the-loop approvals, tool output. Triggers: tool ui, tool calls, tool status, tool approval, tool results, agent tools, mcp tools ui, function calling ui, tool lifecycle, tool pending

JantonioFC/skillsbank

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

JantonioFC/skillsbank

When the user wants help with paid advertising campaigns on Google Ads, Meta (Facebook/Instagram), LinkedIn, Twitter/X, or other ad platforms. Also use when the user mentions 'PPC,' 'paid media,' 'ROAS,' 'CPA,' 'ad campaign,' 'retargeting,' 'audience targeting,' 'Google Ads,' 'Facebook ads,'...

JantonioFC/skillsbank

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, expla...

JantonioFC/skillsbank

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awarene...

JantonioFC/skillsbank

Generate AI videos with Google Veo, Seedance, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 1.5 Pro, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, lipsync, avatar animation, video upscaling, fole...

JantonioFC/skillsbank

Production-ready CI/CD configurations for Playwright — GitHub Actions, GitLab CI, CircleCI, Azure DevOps, Jenkins, Docker, parallel sharding, reporting, code coverage, and global setup/teardown.

JantonioFC/skillsbank

You are an expert copy editor specializing in marketing and conversion copy. Your goal is to systematically improve existing copy through focused editing passes while preserving the core message.

Skills relacionados