Communitygithub.com

Extracteur de Contenu Vidéo (JantonioFC/skillsbank)

Extrait des images clés de fichiers MP4 à intervalles configurables, exécute Tesseract OCR et génère des rapports Markdown structurés avec métadonnées vidéo et transcriptions textuelles horodatées.

Qu'est-ce que skillsbank) ?

Cette compétence automatise l'extraction de contenu textuel à partir de vidéos MP4 en capturant des images clés à intervalles réguliers, en les soumettant à une reconnaissance optique de caractères (OCR) via Tesseract, puis en compilant le tout dans un rapport Markdown structuré. Le rapport inclut les métadonnées vidéo (durée, résolution, codecs) et les transcriptions image par image avec leurs horodatages respectifs. Conçue pour Codex CLI, elle nécessite FFmpeg et Tesseract OCR installés localement. Utile pour analyser des présentations, des cours vidéo ou des screencasts sans sous-titres intégrés, elle permet de créer des transcriptions consultables et des résumés structurés de manière programmatique. La compétence prend en charge plusieurs langues (dont le chinois et l'anglais) et offre un paramétrage flexible de l'intervalle d'extraction. Tout le traitement est effectué en local, sans envoi de données sur le réseau, et la vidéo originale n'est ni modifiée ni supprimée. Les limites incluent la dépendance aux logiciels externes, une précision OCR variable selon la qualité vidéo, et une absence de reconnaissance vocale.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/JantonioFC/skillsbank/tree/HEAD/skills/video-content-extractor

Demander à votre IA préférée

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

Documentation

Extracteur de Contenu Vidéo

Aperçu

Extrait automatiquement les images clés des fichiers vidéo MP4 à des intervalles de temps configurables, effectue une reconnaissance optique de caractères (OCR) sur chaque image et génère un rapport Markdown structuré. Le rapport inclut les métadonnées vidéo (durée, résolution, codecs) et les transcriptions OCR image par image avec références temporelles.

Cette compétence est conçue pour Codex CLI et nécessite FFmpeg et Tesseract OCR installés sur la machine locale.

Quand Utiliser Cette Compétence

  • Utilisez-la lorsque vous devez extraire du texte à partir de présentations vidéo, de cours ou de screencasts.
  • Utilisez-la lorsque vous souhaitez créer des transcriptions consultables à partir de fichiers vidéo sans sous-titres intégrés.
  • Utilisez-la lorsque vous devez analyser le contenu vidéo de manière programmatique et générer des résumés structurés.
  • Utilisez-la lorsque l'utilisateur demande de « lire ce qui est à l'écran » ou « extraire le contenu de cette vidéo ».

Comment ça Marche

Étape 1 : Analyser les Métadonnées Vidéo

La compétence utilise ffprobe pour extraire les métadonnées vidéo : durée, résolution, fréquence d'images, informations sur le codec et taille du fichier.

Étape 2 : Extraire les Images Clés

À l'aide de FFmpeg, la compétence capture des images à l'intervalle configuré (par défaut : toutes les 30 secondes). Chaque image est sauvegardée sous forme d'image JPEG horodatée.

Étape 3 : Reconnaissance Optique de Caractères (OCR)

Chaque image extraite est traitée par Tesseract OCR. Si le mode PSM par défaut ne renvoie aucun texte significatif, il bascule vers une segmentation de page entièrement automatique.

Étape 4 : Générer le Rapport Markdown

Toutes les données extraites sont assemblées dans un document Markdown structuré.

Exemples

Exemple 1 : Extraction de Base

Invite de l'agent : Utilise la compétence d'extraction de contenu vidéo pour extraire le contenu de lecture.mp4

La sortie génère lecture.md et le répertoire lecture_frames/.

Exemple 2 : Intervalle Personnalisé

Paramètres : video_path, output_dir, interval(seconds), lang Extraire toutes les 60 secondes avec OCR en anglais uniquement : python scripts/extract_video.py recording.mp4 ./output 60 eng

Exemple 3 : Contenu Bilingue

Extraction avec OCR par défaut en chinois + anglais : python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng

Bonnes Pratiques

  • Utilisez des intervalles plus courts (10-15s) pour un contenu rapide avec des changements de texte fréquents.
  • Utilisez des intervalles plus longs (30-60s) pour des diapositives de présentation ou des cours lents afin de réduire les doublons d'images.
  • Pour le contenu en chinois, assurez-vous que le pack de langue chinois Tesseract est installé (chi_sim).

Limitations

  • Nécessite que FFmpeg et Tesseract OCR soient installés et accessibles via le PATH.
  • La précision de Tesseract OCR dépend de la qualité vidéo, de la taille du texte et de la clarté de la police.
  • N'extrait pas l'audio et n'effectue pas de transcription parole-texte.
  • L'extraction d'images est basée sur le temps (et non sur les changements de scène), ce qui peut produire des images quasi identiques.
  • Les grandes vidéos avec des intervalles courts peuvent générer beaucoup d'images - assurez un espace disque suffisant.

Notes de Sécurité et de Sûreté

  • Cette compétence lit uniquement les fichiers vidéo et écrit les images extraites et les rapports Markdown.
  • Elle N'ENVOIE AUCUNE donnée sur le réseau - tout le traitement est local.
  • FFmpeg et Tesseract sont invoqués avec des arguments fixes et pré-approuvés.
  • La compétence ne modifie ni ne supprime le fichier vidéo original.

Pièges Courants

  • Problème : Tesseract renvoie du texte illisible Solution : Assurez-vous que le pack de langue approprié est installé. Exécutez tesseract --list-langs pour vérifier.

  • Problème : FFmpeg échoue avec « not found » Solution : Vérifiez que FFmpeg est dans le PATH. Exécutez ffmpeg -version pour vérifier.

  • Problème : L'OCR est lent sur les grandes vidéos Solution : Augmentez le paramètre d'intervalle pour réduire le nombre d'images traitées.

Compétences Connexes

  • @media-summarizer - Pour résumer le contenu vidéo à l'aide d'indices visuels et audio.
  • @document-ocr - Pour l'OCR sur des images statiques ou des documents scannés sans traitement vidéo.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

JantonioFC/skillsbank

AI-powered image editing with style transfer and object removal

JantonioFC/skillsbank

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

JantonioFC/skillsbank

Analise e auditoria de editais de leilao judicial e extrajudicial. Riscos ocultos, clausulas perigosas, debitos, ocupante e classificacao da oportunidade.

JantonioFC/skillsbank

Embed Photopea in web apps using photopea.js. Covers embedding, file I/O, scripting, exporting, layers, text, filters, and the full Photoshop-compatible API.

JantonioFC/skillsbank

Best practices for Remotion - Video creation in React

JantonioFC/skillsbank

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

JantonioFC/skillsbank

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

JantonioFC/skillsbank

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

JantonioFC/skillsbank

Video and audio perception, indexing, and editing. Ingest files/URLs/live streams, build visual/spoken indexes, search with timestamps, edit timelines, add overlays/subtitles, generate media, and create real-time alerts.

JantonioFC/skillsbank

Upload, stream, search, edit, transcribe, and generate AI video and audio using the VideoDB SDK.

JantonioFC/skillsbank

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

JantonioFC/skillsbank

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

JantonioFC/skillsbank

Tool lifecycle UI components for React/Next.js from ui.inference.sh. Display tool calls: pending, progress, approval required, results. Capabilities: tool status, progress indicators, approval flows, results display. Use for: showing agent tool calls, human-in-the-loop approvals, tool output. Triggers: tool ui, tool calls, tool status, tool approval, tool results, agent tools, mcp tools ui, function calling ui, tool lifecycle, tool pending

JantonioFC/skillsbank

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

JantonioFC/skillsbank

When the user wants help with paid advertising campaigns on Google Ads, Meta (Facebook/Instagram), LinkedIn, Twitter/X, or other ad platforms. Also use when the user mentions 'PPC,' 'paid media,' 'ROAS,' 'CPA,' 'ad campaign,' 'retargeting,' 'audience targeting,' 'Google Ads,' 'Facebook ads,'...

JantonioFC/skillsbank

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, expla...

JantonioFC/skillsbank

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awarene...

JantonioFC/skillsbank

Generate AI videos with Google Veo, Seedance, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 1.5 Pro, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, lipsync, avatar animation, video upscaling, fole...

JantonioFC/skillsbank

Production-ready CI/CD configurations for Playwright — GitHub Actions, GitLab CI, CircleCI, Azure DevOps, Jenkins, Docker, parallel sharding, reporting, code coverage, and global setup/teardown.

JantonioFC/skillsbank

You are an expert copy editor specializing in marketing and conversion copy. Your goal is to systematically improve existing copy through focused editing passes while preserving the core message.

Skills associés