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 necesarias (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 via pip pip install -U openai-whisper # Verificar instalación whisper --help
Paquetes de Python (incluidos en el script via PEP 723):
- click (framework CLI)
- ffmpeg-python (envoltura Python para FFmpeg)
Flujo de trabajo
Utiliza 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 (predeterminado: wav). Compatible: wav, mp3, aac, flac- La salida es adecuada para transcripción o uso independiente de audio
2. Convertir video a MP4
Convierte cualquier archivo de video al formato MP4:
uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4
Opciones:
--codec: Códec de video (predeterminado: libx264). Opciones comunes: libx264, libx265, h264--preset: Ajuste preestablecido de velocidad/calidad de codificación (predeterminado: medium). Opciones: ultrafast, fast, medium, slow, veryslow
3. Convertir video a WebM
Convierte cualquier archivo de video al 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 (predeterminado: libvpx-vp9). Opciones: libvpx, libvpx-vp9- WebM está optimizado para reproducción web y streaming
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 extraerá 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 (predeterminado: base). Opciones:tiny: Más rápido, menor precisión (~1GB RAM)base: Rápido, buena precisión (~1GB RAM) [PREDETERMINADO]small: Equilibrado (~2GB RAM)medium: Alta precisión (~5GB RAM)large: Mejor precisión, más lento (~10GB RAM)
--language: Código de idioma (predeterminado: detección automática). Ejemplos: en, es, fr, de, zh--format: Formato de salida (predeterminado: txt). Opciones: txt, srt, vtt, json
Flujo de transcripción:
- Si la entrada es video, FFmpeg extrae el audio a un archivo WAV temporal
- Whisper procesa el archivo de audio
- La transcripción se guarda en el formato solicitado
- Los archivos temporales se eliminan 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 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 óptima (el script maneja la conversión automáticamente)
- El script extrae audio con configuraciones óptimas para Whisper
Formatos de salida:
- txt: Transcripción en 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 completo de errores:
- Valida que los archivos de entrada existan
- Verifica que FFmpeg y Whisper estén instalados
- Proporciona mensajes de error claros para dependencias faltantes
- Gestiona la limpieza de archivos temporales en caso de error
Consejos de rendimiento
- Utiliza los modelos
tinyobasepara borradores rápidos - Utiliza
smallomediumpara transcripciones de producción - Utiliza
largesolo cuando se requiera la máxima precisión - Para videos largos, considera extraer primero el audio y luego transcribir en segmentos
- La conversión a WebM con VP9 tarda más 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?
Debes:
- 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 - Confirmar que la conversión se completó correctamente
- 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?
Debes:
- Primero extraer el audio:
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav - 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 - 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 ayudar?
Debes:
- Convertir a WebM para optimización web:
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm - Generar archivo de subtítulos SRT:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small - 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.
Debes:
- Usar un modelo más grande con idioma especificado para mayor precisión:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es - 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 - Revisar la transcripción con el usuario y realizar las correcciones necesarias
Ejemplo 5: Procesamiento por lotes de múltiples videos
Solicitud del usuario:
Tengo una carpeta de videos de capacitación que necesitan convertirse a WebM y transcribirse.
Debes:
- Listar todos los archivos de video en el directorio:
ls training_videos/*.mp4 - 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 - Confirmar que todas las conversiones y transcripciones se completaron
- Proporcionar un resumen de los archivos de salida
Resumen
El skill de 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 completo de errores.