stevederico/video-understanding

video-understanding とは？

このスキルは、AIエージェント（Claude Code、Cursor、Codexなど）が動画を理解し分析するためのものです。具体的には、動画から抽出したタイムスタンプ付きの画像フレームと、ローカルで動作するWhisper（音声認識モデル）から生成されたSRT字幕ファイルを入力として受け取り、それらを統合して映像と音声の相関を記述したマークダウンファイル（understanding.md）を生成します。これにより、エージェントは動画の内容をテキストベースで把握し、質問応答や要約、特定シーンの検索など、高度な解析タスクを実行できるようになります。オフラインでも動作可能なローカルWhisperを使用するため、プライバシーを保ちながら処理できる点が特徴です。