Communitygithub.com

legenxxx/video-digest

Transformez n'importe quelle vidéo en un résumé textuel consultable — transcription, texte à l'écran et liens, et montages de contact-sheet. 100 % local, sans cloud.

Qu'est-ce que video-digest ?

video-digest est un outil conçu pour les développeurs et les utilisateurs avancés d'agents IA qui souhaitent extraire rapidement l'information contenue dans des vidéos sans avoir à les regarder. Il fonctionne entièrement en local, sans aucune dépendance au cloud, garantissant ainsi la confidentialité des données. Le skill prend en charge les plateformes macOS et Linux, utilisant ffmpeg comme dépendance de base et accélérant la transcription avec faster-whisper (GPU ou CPU). Il génère un fichier Markdown unique (`digest.md`) combinant une transcription du discours, une reconnaissance optique des caractères (OCR) pour le texte visible à l'écran (y compris les URL et les @handles), et des planches contacts (montages) sous forme de grilles d'images clés. Le traitement est résumable et chaque étape (montage, OCR, transcription) peut être activée ou désactivée indépendamment via des drapeaux en ligne de commande. Idéal pour cataloguer des centaines de vidéos, des tutoriels ou des enregistrements de conférences, cet outil permet de créer un index consultable sans perte de temps.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add legenxxx/video-digest

Demander à votre IA préférée

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

Documentation

Que fait video-digest ?

Aperçu

Transformez n'importe quelle vidéo en un seul résumé Markdown consultable. Pour chaque clip, le skill produit trois éléments et les assemble dans un fichier digest.md :

  1. Transcription — les paroles prononcées (faster-whisper, sur l'appareil).
  2. Texte à l'écran — chaque ligne unique de texte visible dans les images (OCR), avec URL et @handles extraits séparément.
  3. Planches contacts (montages) — grilles d'images réparties sur tout le clip, afin que vous puissiez lire son histoire visuelle d'un coup d'œil.

Tout s'exécute localement. Pas d'appels réseau, pas de comptes, pas de télémétrie. Le cœur n'a besoin que de ffmpeg ; la transcription et l'OCR sont facultatives et se dégradent gracieusement.

Quand l'utiliser

  • « Que contient cette vidéo / ces 200 vidéos ? » sans les regarder.
  • Construire un catalogue consultable d'interviews, de conférences, de tutoriels ou de rushes.
  • Récupérer les liens et les @handles qui s'affichent à l'écran dans un clip.
  • Obtenir un aperçu visuel rapide (montages) de longs enregistrements ou de nombreux enregistrements.

Pas pour : les flux en direct, le montage ou le découpage de vidéo, ni la génération de vidéo. Cet outil lit la vidéo et émet des résumés texte + image.

Référence rapide

scripts/check-deps.sh                    # ce qui est installé + comment obtenir le reste
scripts/video-digest.sh clip.mp4         # une vidéo → ./video-digest-out/clip/digest.md
scripts/video-digest.sh --out ~/digests *.mp4     # traitement par lot d'un dossier entier
scripts/video-digest.sh --lang en talk.mov        # indiquer la langue de la transcription
scripts/video-digest.sh --no-transcript reel.mp4  # ignorer l'audio, uniquement visuel + texte
scripts/video-digest.sh --ocr-engine tesseract x.mp4   # forcer un moteur OCR spécifique
DrapeauRôleValeur par défaut
-o, --out DIRracine de sortie./video-digest-out
--fps Ntaux d'échantillonnage des images pour l'OCR2
--montage-frames Nnombre d'images réparties sur le clip90
--tile CxRgrille du montage3x3
--ocr-engine Eauto|vision|tesseract|noneauto
--whisper-model Mtiny|base|small|medium(+.en)small
--whisper-python Pinterpréteur contenant faster-whisperauto-détection
--lang CODEindication de langue pour la transcriptionauto-détection
--no-transcript / --no-ocr / --no-montagesauter une étape—
--forceréexécuter les étapes même si mises en cachedésactivé

Exécutez scripts/video-digest.sh --help pour la liste complète.

Comment ça fonctionne

Le point d'entrée scripts/video-digest.sh orchestre trois petits outils indépendants que vous pouvez également exécuter séparément :

ÉtapeScriptMoteur
Montagesscripts/montage.shfiltre tile de ffmpeg
Texte à l'écranscripts/ocr.sh (+ ocr_vision.swift)macOS Vision (par défaut) ou tesseract
Transcriptionscripts/transcribe.pyfaster-whisper

Chaque étape est reprenable — le travail terminé est marqué .done / mis en cache et ignoré lors des réexécutions, sauf si vous passez --force. Le digest est toujours reconstruit à partir des étapes présentes, donc des exécutions partielles produisent toujours un fichier utile.

La sélection du moteur OCR est automatique : sur macOS, il utilise le framework Vision intégré (sans installation, sur l'appareil), sinon tesseract s'il est présent, sinon il ignore l'OCR avec un avertissement. Voir references/setup.md pour l'installation des backends optionnels et references/output-format.md pour la structure exacte de la sortie.

Erreurs fréquentes

  • Transcription vide → faster-whisper n'est pas installé dans l'interpréteur utilisé. Exécutez scripts/check-deps.sh, puis pip install faster-whisper, ou pointez vers un environnement existant avec --whisper-python /path/to/python.
  • Absence de texte à l'écran sous Linux → installez tesseract (apt install tesseract-ocr) ; le moteur Vision est exclusif à macOS.
  • Nombre de montages trop élevé pour un clip court → réduisez --montage-frames (par ex. 30).
  • Mauvaise langue de transcription → passez --lang (par ex. --lang fr), ou utilisez un modèle non .en pour l'audio multilingue.

Exemple

examples/sample-digest/ contient un petit clip généré et le digest.md qu'il produit — transcription, une URL détectée, un @handle et une planche contact. Reproduisez-le avec (la ligne de transcription nécessite faster-whisper installé) :

scripts/video-digest.sh --montage-frames 9 examples/sample-digest/sample.mp4

Skills associés