Skill de VideoDB
Percepción + memoria + acciones para video, transmisiones en vivo y sesiones de escritorio.
Usa este skill cuando necesites:
Cuándo usarlo
- Necesitas percepción de video o audio, indexación, búsqueda o edición de línea de tiempo desde 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.
- Quieres 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/desencadenadores 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 de video + transmisión
- Ingerir un archivo o URL y devolver un enlace de transmisión web reproducible
- Transcodificar/normalizar: códec, tasa de bits, fps, resolución, relación de aspecto
3) Indexar + buscar (marcas de tiempo + evidencia)
- Construir índices visuales, de voz 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, quemar
- Superposiciones: texto/imagen/marca, leyendas animadas
- Audio: música de fondo, locución, doblaje
- Composición programática y exportaciones mediante operaciones de línea de tiempo
5) Transmisiones en vivo (RTSP) + monitoreo
- Conectar fuentes en vivo RTSP
- Ejecutar comprensión visual y de voz en tiempo real y emitir eventos/alertas para flujos 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 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 transmisión
- 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
Indicaciones canónicas (ejemplos)
- "Inicia la captura de escritorio y avisa cuando aparezca un campo de contraseña."
- "Graba mi sesión y produce un resumen procesable cuando termine."
- "Ingiere este archivo y devuelve un enlace de transmisión reproducible."
- "Indexa esta carpeta y encuentra cada escena con personas, devuelve marcas de tiempo."
- "Genera subtítulos, quémalos y agrega música de fondo suave."
- "Conecta esta URL RTSP y avisa cuando una persona entre en la zona."
Ejecutar código Python
Antes de ejecutar cualquier código de VideoDB, cambia al directorio del proyecto y carga 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 exportada)
- Archivo
.envdel proyecto en el directorio actual
Si falta la clave, videodb.connect() lanza AuthenticationError automáticamente.
NO escribas un archivo de script cuando un comando corto en línea funcione.
Al escribir Python en línea (python -c "..."), usa siempre código con el formato adecuado — usa punto y coma para separar declaraciones y mantenlo legible. Para algo más de ~3 declaraciones, usa un heredoc:
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, instala 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 estos métodos:
- Exportar en terminal (antes de iniciar Claude):
export VIDEO_DB_API_KEY=tu-clave - Archivo
.envdel proyecto: GuardaVIDEO_DB_API_KEY=tu-claveen el archivo.envdel proyecto
Obtén una clave API gratuita en https://console.videodb.io (50 cargas gratuitas, sin tarjeta de crédito).
NO leas, escribas ni manejes la clave API tú mismo. Siempre deja que el usuario la configure.
Referencia rápida
Cargar contenido multimedia
# 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="/ruta/al/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() lanza InvalidRequestError cuando no encuentra resultados.
# Siempre envuélvelo en try/except y trata "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 de escenas
import re
from videodb import SearchType, IndexType, SceneExtractionType
from videodb.exceptions import InvalidRequestError
# index_scenes() no tiene parámetro force — lanza un error si ya existe un
# índice de escenas. Extrae el ID del 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
# Usa 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 valida las marcas de tiempo antes de construir una línea de tiempo:
startdebe ser >= 0 (los valores negativos se aceptan silenciosamente pero producen salida defectuosa)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
# Cambia resolución, calidad o relación de aspecto del lado del 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 tardar
varios minutos y podría exceder el tiempo de espera. Mejores prácticas:
- Siempre limita a un segmento corto usando
start/endcuando sea posible - Para videos completos, usa
callback_urlpara procesamiento asíncrono - Recorta el video en una
Timelineprimero, luego reencuadra el resultado más corto
from videodb import ReframeMode
# Siempre prefiere 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})
Generación de contenido multimedia
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("Revisa tu VIDEO_DB_API_KEY")
try:
video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
print(f"Error al cargar: {e}")
Errores comunes
| Escenario | Mensaje de error | Solución |
|---|---|---|
| Indexar un video ya indexado | Spoken word index for video already exists | Usa 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 | Extrae 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 | Captura la excepción y trata como resultados vacíos (shots = []) |
| Reframe excede tiempo de espera | Bloquea indefinidamente en videos largos | Usa start/end para limitar el segmento, o pasa callback_url para asíncrono |
| Marcas de tiempo negativas en Timeline | Produce una transmisión defectuosa silenciosamente | Siempre valida start >= 0 antes de crear VideoAsset |
generate_video() / create_collection() falla | Operation not allowed o maximum limit | Funciones limitadas por plan — informa al usuario sobre los límites del plan |
Documentación adicional
La documentación de referencia está en el directorio reference/ adyacente a este archivo SKILL.md. Usa 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 (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 multimedia impulsada por IA (imágenes, video, audio)
- reference/rtstream.md - Flujo de ingesta de transmisiones en vivo (RTSP/RTMP)
- reference/rtstream-reference.md - Métodos del SDK de RTStream y pipelines de IA
- reference/capture.md - Flujo 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)
Usa ws_listener.py para capturar eventos WebSocket durante las sesiones de grabación. La captura de escritorio solo es compatible con macOS.
Inicio rápido
- Iniciar listener:
python scripts/ws_listener.py & - Obtener ID de WebSocket:
cat /tmp/videodb_ws_id - Ejecutar código de captura (consulta reference/capture.md para el flujo 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 útiles
- scripts/ws_listener.py - Listener de eventos WebSocket (vuelca a JSONL)
Para el flujo completo de captura, consulta reference/capture.md.
No uses ffmpeg, moviepy ni herramientas de codificación local cuando VideoDB admita la operación. Lo siguiente se maneja todo del lado del 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 multimedia. Solo recurre a herramientas locales para operaciones enumeradas en 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 |
| Necesitas redimensionar video para Twitter/Instagram/TikTok | video.reframe(target="vertical") o target="square" |
| Necesitas cambiar resolución (ej. 1080p → 720p) | conn.transcode() con VideoConfig(resolution=720) |
| Necesitas superponer audio/música en video | AudioAsset en una Timeline |
| Necesitas agregar subtítulos | video.add_subtitle() o CaptionAsset |
| Necesitas combinar/recortar clips | VideoAsset en una Timeline |
| Necesitas generar locución, música o efectos de sonido | coll.generate_voice(), generate_music(), generate_sound_effect() |
Repositorio
https://github.com/video-db/skills
Mantenido por: VideoDB
Limitaciones
- Usa este skill solo cuando la tarea coincida claramente con el alcance descrito anteriormente.
- No trates la salida como un sustituto de la validación específica del entorno, pruebas o revisión experta.
- Detente y pide aclaración si faltan entradas requeridas, permisos, límites de seguridad o criterios de éxito.