stevederico/compréhension-vidéo

Qu'est-ce que compréhension-vidéo ?

Cette compétence permet à un agent d'IA d'analyser une vidéo en extrayant des trames clés horodatées et une transcription SRT produite par Whisper local, puis de générer un fichier `understanding.md` qui corrèle les informations visuelles et audio. Le processus capture l'essence de la vidéo en associant des descriptions de scènes aux paroles prononcées, ce qui est utile pour le résumé, l'indexation ou la recherche sémantique. Elle fonctionne sur n'importe quel poste de travail équipé de `ffmpeg`, des modèles locaux Whisper, et d'un accès à la vidéo source. L'agent exécute les étapes dans l'ordre : découpage des trames, transcription audio, puis fusion des deux sources en un document structuré. Cela offre une analyse vidéo automatisée et hors ligne, idéale pour les environnements soucieux de la vie privée ou les workflows de développement.