compréhension-vidéo

Compréhension Vidéo

Construisez la couche de preuves partagée une fois pour toutes. Conservez les observations dans le temps source et laissez les décisions éditoriales aux compétences aval.

Cette compétence est un prérequis pour /video-cut, /video-to-shorts, /video-add-captions, /video-add-content-cards et /video-add-graphic-motion. Exécutez-la d'abord pour que ces compétences consomment les mêmes preuves validées et la même chronologie.

Dépendances

Nécessite ffmpeg/ffprobe, Python et faster-whisper pour la transcription. Vérifiez-les avant de traiter le média.

Workflow

1. Initialisez un projet à partir de la source originale :

   python scripts/init_project.py chemin/vers/source.mp4 chemin/vers/mon-projet-video
   

   Cela crée input/, review/00-compréhension-vidéo/, final/, l'arborescence minimale work/ destinée aux machines, une chronologie d'identité, project.json, les faits média et START-HERE.md. Cela ne crée pas de dossiers pour les opérations d'édition non sélectionnées.

2. Sondez à nouveau uniquement lorsque la source nécessite un rafraîchissement explicite des métadonnées :

   python scripts/probe.py input/video-originale.mp4 work/understand/media.json
   

3. Extrayez l'audio mono 16 kHz et transcrivez-le :

   ffmpeg -y -i input/video-originale.mp4 -ac 1 -ar 16000 work/cache/audio16k.wav
   python scripts/transcribe.py work/cache/audio16k.wav work/understand/transcript medium `
     --lang auto --cache-dir work/cache/faster-whisper
   

   Utilisez --lang auto pour une parole de langue inconnue ou mixte. Ne déduisez jamais la langue parlée de la langue de la demande de l'utilisateur. Passez une langue fixe comme --lang zh uniquement lorsque l'audio lui-même ou des métadonnées explicites de l'utilisateur l'établissent. Conservez les téléchargements de modèle dans le cache local du projet work/cache/faster-whisper/. Faster-whisper peut émettre un mot ponctuel occasionnel avec des valeurs de début/fin égales ; le mappeur de chronologie partagée le conserve comme un intervalle de 1 ms afin que les sous-titres et les dérivés ne perdent pas silencieusement du texte.

4. Générez des métriques objectives et des candidats sémantiques :

   python scripts/analyze.py work/understand/transcript.json work/understand/analysis.json
   

5. Lisez la source, la transcription et l'analyse. Rédigez work/understand/understanding.json avec des résumés factuels, des plages temporelles source, la confiance et des preuves de transcription. Ne prescrivez pas de coupes, de cartes ou d'aspects visuels.

6. Validez avant l'utilisation en aval :

   python scripts/validate.py understanding work/understand/understanding.json work/understand/transcript.json
   

7. Créez uniquement ces artefacts de révision utiles sous review/00-compréhension-vidéo/ : video-summary.md, transcript.srt et contact-sheet.jpg. Vérifiez les métadonnées, les horodatages, les références de preuves et les images visibles. Ne remplacez pas les noms de fichiers PNG ou ad hoc par les noms de protocole.

8. Marquez le check.status de l'opération de compréhension comme pass uniquement après que les artefacts de révision et les preuves sémantiques ont été validés. Le status du cycle de vie de l'opération et le résultat de la vérification sont distincts ; n'écrivez jamais verified dans check.status.

Contrats

• Lisez project-schema.md lors de la création ou de la validation de project.json.
• Lisez timeline-schema.md lors du mappage du temps source et du temps de programme.
• Lisez understanding-schema.md avant de rédiger la compréhension sémantique.
• Utilisez understanding.example.json comme exemple compact.

Tous les fichiers machine durables résident dans work/understand/. Traitez work/cache/ comme jetable.