Communitygithub.com

ever-just/agentskills

Extrayez des renseignements exploitables à partir de contenu vidéo sur YouTube, Vimeo et les sites web d'entreprise. La vidéo révèle ce que les sources textuelles ne peuvent pas : l'échelle des installations, la composition de l'équipe, les démonstrations de produits, la signalétique, la fréquentation des événements et la réalité opérationnelle.

Qu'est-ce que agentskills ?

Cette compétence permet aux agents IA (comme Claude Code, Cursor, etc.) d'extraire systématiquement des renseignements à partir de contenus vidéo provenant de plateformes telles que YouTube, Vimeo et les sites web d'entreprise. Elle se concentre sur l'extraction de métadonnées et de sous-titres (rapide, gratuit, sans coût de stockage) et ne télécharge des fichiers vidéo que lorsque l'analyse visuelle est nécessaire. La compétence guide l'utilisateur à travers cinq phases : découverte des vidéos (énumération des chaînes, recherche), capture des métadonnées et des sous-titres via yt-dlp, analyse des fichiers VTT pour obtenir du texte brut, transcription de secours par Whisper lorsque les sous-titres automatiques sont absents, et extraction finale des renseignements (métadonnées, transcriptions, indices visuels). Elle inclut une liste de contrôle détaillée, des cas particuliers (limitation de débit YouTube, vidéos non listées, contenu LinkedIn natif), des anti-patrons, un arbre de décision et une étude de cas réelle (BROGAV). La compétence s'intègre à d'autres compétences comme deep-research, intelligence-dossier, client-discovery-osint et supplier-verification pour une analyse de renseignements plus large.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ever-just/agentskills/tree/HEAD/skills/video-intelligence

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Extraction de Renseignements Vidéo

Vue d'ensemble

Extrayez des renseignements exploitables à partir de contenu vidéo sur YouTube, Vimeo et les sites web d'entreprise. La vidéo révèle ce que les sources textuelles ne peuvent pas : l'échelle des installations, la composition de l'équipe, les démonstrations de produits, la signalétique, la fréquentation des événements et la réalité opérationnelle.

Cette compétence se concentre sur l'extraction de métadonnées et de sous-titres (rapide, gratuit, sans coût de stockage) et ne télécharge des fichiers vidéo que lorsque l'analyse visuelle est nécessaire.


Quand l'utiliser

  • L'entreprise cible possède une chaîne YouTube (même petite — les Shorts comptent)
  • Le fondateur ou la direction apparaît dans des vidéos de podcast ou d'interview
  • Des démonstrations de produits ou des visites guidées existent sur n'importe quelle plateforme
  • Des enregistrements d'événements montrent le stand, les présentations ou la présence de l'entreprise
  • Vous devez vérifier des affirmations (taille des installations, nombre d'employés, gamme de produits) avec des preuves visuelles
  • Le site web de l'entreprise contient du contenu vidéo intégré

Prérequis

OutilInstallationObjectif
yt-dlppip install yt-dlp ou brew install yt-dlpTéléchargement de métadonnées/de sous-titres vidéo
Python 3.10+SystèmeAnalyse VTT, automatisation
Whisper (optionnel)pip install openai-whisperTranscription lorsqu'aucun sous-titre n'existe
ffmpeg (optionnel)brew install ffmpegExtraction audio pour Whisper

Phase 1 : Découverte

Énumération des chaînes YouTube

# Lister TOUTES les vidéos d'une chaîne (retourne les IDs + titres, sans téléchargement)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

# Inclure les dates de publication pour l'analyse temporelle
yt-dlp --flat-playlist --print "%(upload_date)s %(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

Recherche YouTube

# Recherche YouTube (top 10 résultats)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch10:COMPANY_NAME"

# Recherche élargie (top 30)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch30:COMPANY_NAME founder interview"

Autres méthodes de découverte

SourceMéthode
Recherche Google Vidéosite:youtube.com "Company Name"
Site web de l'entrepriseInspecter le code source pour <iframe src="youtube.com/embed/...">
Vimeoyt-dlp --flat-playlist "https://vimeo.com/USER"
LinkedInNavigation manuelle — les vidéos ne peuvent pas être énumérées par programmation
Plateformes d'événementsVérifier les pages de session Sched/Emamo pour les liens vidéo intégrés

Liste de contrôle de découverte

  • Chaîne YouTube propre à l'entreprise cible
  • Chaîne personnelle du fondateur/CEO ou apparitions en tant qu'invité
  • Chaînes de podcasts du secteur où la cible a été interviewée
  • Chaînes de conférences/événements avec les présentations de la cible
  • Chaînes de partenaires/fournisseurs mentionnant la cible
  • Chaînes de presse locale/médias couvrant la cible

Phase 2 : Capture

Métadonnées + Sous-titres (Par défaut — Aucun téléchargement vidéo)

# Chaîne entière — métadonnées + sous-titres automatiques, aucun fichier vidéo
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 "https://www.youtube.com/@CHANNEL"

# Vidéo unique
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  "https://www.youtube.com/watch?v=VIDEO_ID"

# Plusieurs vidéos spécifiques à partir d'une liste
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 -a video_urls.txt

Indicateurs yt-dlp clés

IndicateurObjectif
--write-info-jsonSauvegarde les métadonnées complètes (titre, date, durée, description, tags, nombre de vues)
--write-auto-subTélécharge les sous-titres générés automatiquement
--sub-lang enSous-titres en anglais uniquement
--skip-downloadAucun fichier vidéo/audio — métadonnées uniquement
--sleep-interval 2Limitation du débit (critique pour les chaînes de 30+ vidéos)
--flat-playlistMode liste — énumérer sans rien télécharger
-f "bestvideo[height<=720]+bestaudio"Télécharger la vidéo à une qualité raisonnable
-x --audio-format mp3Extraire l'audio uniquement (pour Whisper)

Télécharger des fichiers vidéo (quand l'analyse visuelle est nécessaire)

# Max 720p (bon équilibre entre qualité et taille de fichier)
yt-dlp -f "bestvideo[height<=720]+bestaudio" --merge-output-format mp4 VIDEO_URL

# Audio uniquement pour la transcription Whisper
yt-dlp -x --audio-format mp3 VIDEO_URL

Structure des fichiers de sortie

project/
├── raw/video/
│   ├── Titre de la vidéo [VIDEO_ID].info.json    # Métadonnées
│   ├── Titre de la vidéo [VIDEO_ID].en.vtt       # Sous-titres automatiques (format VTT)
│   └── Titre de la vidéo [VIDEO_ID].mp4          # Fichier vidéo (uniquement s'il est téléchargé)
├── transcripts/
│   ├── VIDEO_ID_transcript.txt                   # Texte brut analysé
│   └── VIDEO_ID_transcript.txt
└── analysis/
    └── video_intelligence_summary.md

Phase 3 : Analyse VTT

Convertir les sous-titres VTT en texte brut

import re
import glob

def vtt_to_text(vtt_path):
    """Analyse un fichier de sous-titres VTT pour obtenir un texte brut propre."""
    with open(vtt_path) as f:
        content = f.read()
    # Supprimer l'en-tête WEBVTT et les métadonnées
    content = re.sub(r'WEBVTT.*?\n', '', content, flags=re.DOTALL)
    # Supprimer les lignes d'horodatage
    content = re.sub(r'\d{2}:\d{2}:\d{2}\.\d+ --> .*', '', content)
    # Supprimer les balises de formatage de style HTML
    content = re.sub(r'<[^>]+>', '', content)
    # Dédupliquer les lignes consécutives répétées et les joindre
    lines = []
    for l in content.split('\n'):
        l = l.strip()
        if l and not l.isdigit() and (not lines or l != lines[-1]):
            lines.append(l)
    return ' '.join(lines)


def batch_parse_vtts(vtt_dir, output_dir):
    """Analyse tous les fichiers VTT d'un répertoire en texte brut."""
    import os
    os.makedirs(output_dir, exist_ok=True)
    for vtt_file in glob.glob(f"{vtt_dir}/*.vtt"):
        text = vtt_to_text(vtt_file)
        # Extraire l'ID vidéo du motif de nom de fichier "Titre [VIDEO_ID].en.vtt"
        video_id = re.search(r'\[([^\]]+)\]', vtt_file)
        if video_id:
            out_name = f"{video_id.group(1)}_transcript.txt"
        else:
            out_name = os.path.basename(vtt_file).replace('.en.vtt', '_transcript.txt')
        with open(os.path.join(output_dir, out_name), 'w') as f:
            f.write(text)
        print(f"Analyse terminée : {out_name} ({len(text.split())} mots)")

Phase 4 : Solution de secours Whisper (aucun sous-titre disponible)

Lorsque les sous-titres automatiques n'existent pas (courant pour les Shorts, les vidéos plus anciennes, le contenu non anglais) :

# Téléchargement audio uniquement
yt-dlp -x --audio-format mp3 -o "%(id)s.%(ext)s" VIDEO_URL

# Transcrire avec Whisper
whisper VIDEO_ID.mp3 --model base --language en --output_format txt

# Pour une meilleure précision des noms propres (3 à 5 fois plus lent) :
whisper VIDEO_ID.mp3 --model medium --language en --output_format txt

Quand les sous-titres n'existent généralement pas

  • YouTube Shorts (< 60 secondes)
  • Vidéos téléchargées avant environ 2015 (ère pré-sous-titres automatiques)
  • Vidéos non listées/privées
  • Contenu à forte composante musicale avec peu de parole
  • Contenu non anglais sans langue spécifiée

Phase 5 : Extraction de renseignements

Renseignements extraits des métadonnées (info.json)

Chaque fichier .info.json contient :

ChampValeur de renseignement
upload_dateChronologie de l'activité de l'entreprise et de sa stratégie de contenu
durationCourt = promo ; Long = interview approfondie
descriptionContient souvent des liens, des noms, des horodatages, des mentions de partenaires
tagsStratégie SEO, catégories auto-identifiées
view_countQuel contenu résonne avec leur public
like_countSignal de qualité d'engagement
channelQui l'a publié (leur chaîne vs. apparition en tant qu'invité)

Liste de contrôle des renseignements issus des transcriptions

  • Personnes nommées (employés, partenaires, clients)
  • Chiffres de revenus/croissance mentionnés de manière informelle dans les interviews
  • Projets futurs ou stratégie discutés
  • Points faibles ou défis admis
  • Mentions de concurrents (positives ou négatives)
  • Plans d'embauche ou références à la taille de l'équipe
  • Feuille de route produit ou annonces de fonctionnalités
  • Noms de clients ou études de cas mentionnés verbalement

Liste de contrôle des renseignements visuels (nécessite le téléchargement de la vidéo)

  • Taille et état des installations/entrepôts
  • Nombre d'employés visibles (indicateur de la taille de l'équipe)
  • Produits sur les étagères ou dans les démos (étendue de l'inventaire)
  • Équipements et machines (signaux d'investissement en capital)
  • Signalétique, image de marque et utilisation du logo
  • Taille et qualité de conception du stand événementiel
  • Parc de véhicules (capacité de livraison)
  • Interactions avec les clients capturées par la caméra
  • Identifiants géographiques/de localisation en arrière-plan

Cas particuliers et pièges

  1. Limitation de débit YouTube — Utilisez --sleep-interval 2 entre les téléchargements. Des erreurs DNS apparaissent après 30+ requêtes rapides. Pour les grandes chaînes, divisez en lots de 20.

  2. Noms de fichiers des téléchargements de chaînes — yt-dlp nomme les fichiers comme "Titre [VIDEO_ID].ext" lors du téléchargement depuis des chaînes. Les espaces et caractères spéciaux dans les titres cassent les scripts shell. Utilisez -o "%(id)s.%(ext)s" pour des noms de fichiers propres.

  3. Téléchargements en double — Même interview téléchargée sous différentes chaînes ou titres. Recoupez par durée + date de téléchargement pour détecter les doublons avant de consacrer du temps à les analyser tous les deux.

  4. Vidéos natives LinkedIn — NE PEUVENT PAS être téléchargées par programmation. Les URL CDN LinkedIn sont authentifiées et expirent en quelques heures. Signalez comme tâche manuelle : "Enregistrer sous Web complet" dans le navigateur, ou capture d'écran des images clés.

  5. Shorts vs. vidéos complètes — Le format d'URL Shorts est youtube.com/shorts/ID mais yt-dlp gère les deux formats de manière transparente. Ne sautez pas les Shorts — ils montrent souvent des produits, des installations et la culture d'équipe.

  6. Vidéos non listées — Ne figurent pas dans les listes de chaînes mais sont accessibles via URL directe. Les moteurs de recherche peuvent les avoir indexées. Vérifiez le cache Google et Wayback Machine pour les URL non listées qui ont déjà été liées publiquement.

  7. Qualité des sous-titres automatiques — Pas de ponctuation, parfois des noms propres déformés (Celina → Selena, BROGAV → ProGraph). Précision des mots de 95 %+ pour le discours anglais standard. Vérifiez toujours les noms d'entreprise/de personne par rapport à des sources fiables.

  8. Date de téléchargement vs. date du contenu — Les vidéos peuvent être téléchargées des semaines ou des mois après l'enregistrement. Vérifiez la description et les indices audio pour la date d'enregistrement réelle. Les vidéos d'événements sont particulièrement décalées.

  9. info.json est en or — Capturez toujours avec --write-info-json. Le champ de description contient souvent des horodatages, des noms d'invités, des liens vers des ressources et des mentions de partenaires qui ne sont pas dans la vidéo elle-même.

  10. Les horodatages VTT sont précieux — La conversion en texte brut perd les informations temporelles. Conservez les fichiers VTT originaux comme source de vérité. Les horodatages vous permettent de trouver des moments spécifiques pour une vérification visuelle.


Anti-patrons

À ne pas faireÀ faire à la place
Ignorer les Shorts parce qu'ils sont courtsExaminer les Shorts pour les renseignements visuels (produits, installations, équipe)
Supposer que toutes les vidéos ont des sous-titresVérifier ; utiliser Whisper comme solution de secours pour le contenu non sous-titré
Télécharger des fichiers vidéo par défautCommencer par --skip-download ; obtenir la vidéo uniquement pour l'analyse visuelle
Essayer d'automatiser le téléchargement de vidéos LinkedInSignaler comme tâche manuelle ; les URL CDN sont authentifiées
Faire confiance à la date de téléchargement comme date du contenuRecouper avec la description, les indices audio, les dates d'événement
Télécharger toute la chaîne à la fois sans limitation de débitUtiliser --sleep-interval 2 et diviser en lots de 20
Analyser uniquement les transcriptions, ignorer info.jsonLes métadonnées contiennent des noms, des liens, des tags qui ne sont pas dans l'audio
Considérer la vidéo comme inférieure aux sources textuellesLa vidéo confirme de manière unique la réalité physique (installations, équipe, produits)

Arbre de décision

Le contenu est sur YouTube ?
├── OUI → yt-dlp --write-info-json --write-auto-sub --skip-download
│   ├── A des sous-titres ? → Analyser VTT en texte → Extraire les renseignements
│   └── Pas de sous-titres ?
│       ├── Vidéo > 60 s avec parole ? → yt-dlp -x → Whisper → Analyser
│       └── Court/visuel uniquement ? → Télécharger vidéo → Analyse visuelle
└── NON →
    ├── Vimeo → yt-dlp le prend en charge (même flux de travail que YouTube)
    ├── Vidéo LinkedIn → Manuel "Enregistrer sous Web complet" (signaler comme tâche manuelle)
    ├── Intégration site web entreprise → Extraire l'URL iframe → généralement YouTube/Vimeo
    └── Autre plateforme → Vérifier la liste des sites pris en charge par yt-dlp

Résultats concrets (Étude de cas BROGAV)

MétriqueValeur
Total des vidéos découvertes45 (9 de longue durée, 36 Shorts)
Fichiers de sous-titres VTT capturés10
Transcriptions analysées en texte10
Interviews substantielles analysées2 (5 000+ mots chacune)
Podcast via RSS/solution de secours Whisper1 (6 489 mots)
Vidéos en double détectées1 (même interview, deux chaînes)
Renseignements uniques extraitsHistoire des fondateurs, signaux de revenus, plans de croissance, relations fournisseurs, détails des installations, culture d'équipe
Renseignements visuels des ShortsGamme de produits, disposition de l'entrepôt, gamme de meubles de marque, inventaire saisonnier

Intégration avec d'autres compétences

CompétencePoint d'intégration
deep-researchLa vidéo est une source de phase 3/4 parallèlement à la recherche web
intelligence-dossierLes transcriptions vidéo alimentent les sections Personnes, Produits, Signaux financiers
client-discovery-osintLes vidéos de témoignages clients nomment directement les clients
supplier-verificationLes vidéos de démonstration de produits montrent les logos des fournisseurs et les produits de marque
era-validated-linkedin-analysisLes dates de téléchargement des vidéos sont recoupées avec la chronologie d'activité LinkedIn
contact-sheet-image-analysisLes captures d'écran vidéo peuvent être analysées par lots via des grilles de vignettes

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

ever-just/agentskills

> Declarative animations for React. Springs, gestures, layout animations, and page transitions. GPU-accelerated, production-ready.

ever-just/agentskills

> Create animated logos, icons, and micro-interactions as lightweight Lottie JSON files. No After Effects needed — build animations entirely in code.

ever-just/agentskills

> A TypeScript library using generators to program animations with a real-time editor. Ideal for explainer videos, code walkthroughs, and educational content.

ever-just/agentskills

> Add animated subtitles and captions to Remotion videos from .SRT files. TikTok-style word-by-word highlights, karaoke effects, and more.

ever-just/agentskills

> Create videos programmatically using React components. The most mature framework for code-driven video production.

ever-just/agentskills

> Copy-paste video components for Remotion. Intros, text effects, transitions, and full scene templates. Like shadcn/ui but for video.

ever-just/agentskills

Optimize and embed an existing video as a fast, crisp, autoplaying hero/background/loop on a website. Use when adding or replacing a video on a marketing site and it is too heavy, will not autoplay (especially on mobile/Safari), shows a codec error, or looks soft — to transcode it to web-safe H.264 with the right pixel format, faststart, retina-aware sizing, and a poster frame, then embed and verify it actually plays. This is optimization + embedding of footage you already have, not creating/animating a video (for that use remotion/moviepy/motion-canvas). Use when the user says "add this video to the site", "the hero video is too big / won't play / isn't crisp", "replace the homepage video", or "make this loop on the landing page".

ever-just/agentskills

Full conversion audit for any homepage or landing page. Use when someone asks to "review my homepage," "audit my landing page," "why isn't my page converting," "check my website," or wants feedback on their marketing page. Requires URL or screenshot before proceeding.

ever-just/agentskills

Automatically fetch YouTube video transcripts, generate structured summaries, and send full transcripts to messaging platforms. Detects YouTube URLs and provides metadata, key insights, and downloadable transcripts.

Skills associés