Communitygithub.com

비디오 이해

비디오 프로젝트에서 재사용 가능한 미디어 메타데이터, 단어 수준의 전사, 객관적인 음성 분석 및 증거 기반 의미 이해를 제공합니다. 선택적 편집 스킬이 실행되기 전에 실행하세요.

비디오 이해란 무엇인가요?

이 스킬은 비디오 편집 워크플로우를 위한 공통 증거 계층(shared evidence layer)을 구축합니다. 원본 비디오 파일에서 메타데이터를 추출하고, 음성을 텍스트로 변환(전사)하며, 객관적인 분석을 수행하여 후속 편집 스킬(예: `/video-cut`, `/video-to-shorts`, `/video-add-captions` 등)이 일관된 데이터를 기반으로 작업할 수 있도록 합니다. 주요 기능으로는 `ffmpeg`/`ffprobe`를 이용한 미디어 프로빙, `faster-whisper`를 이용한 고품질 전사(16kHz 모노 오디오 기반), 객관적인 지표 생성 및 의미 후보 분석이 포함됩니다. 이 스킬은 `work/understand/` 디렉토리 아래에 모든 결과물(전사, 분석, 이해 JSON)을 저장하며, 검토를 위해 `review/00-video-understanding/` 디렉토리에 비디오 요약, SRT 자막 파일, 콘택트 시트(contact-sheet.jpg)를 생성합니다. Speach-to-text 과정에서 언어 자동 감지(`--lang auto`)를 지원하며, 사용자 프롬프트 언어와 음성 언어가 다를 수 있으므로 주의해야 합니다. 캡션에서 텍스트 손실을 방지하기 위해 Faster-whisper의 드문 오류(시작/종료 시간이 동일한 단어)를 1ms 간격으로 보정합니다. `validate.py` 스크립트를 통해 이해 결과의 유효성을 검증하고, `check.status`를 `pass`로 표시하여 후속 스킬이 신뢰할 수 있는 데이터를 사용하도록 보장합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/WhiteTowerAI/cut-as-code/tree/main/skills/video-understand

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

비디오 이해은(는) 무엇을 하나요?

공유 증거 계층을 한 번 구축하세요. 관찰 결과를 원본 시간 기준으로 유지하고, 편집 결정은 다운스트림 스킬에 맡기세요.

이 스킬은 /video-cut, /video-to-shorts, /video-add-captions, /video-add-content-cards, /video-add-graphic-motion의 전제 조건입니다. 먼저 실행하여 해당 스킬들이 동일한 검증된 증거와 타임라인을 사용할 수 있도록 하세요.

종속성

ffmpeg/ffprobe, Python 및 faster-whisper(전사용)가 필요합니다. 미디어를 처리하기 전에 이들이 준비되었는지 확인하세요.

워크플로우

  1. 원본 소스에서 프로젝트 초기화:

    python scripts/init_project.py path/to/source.mp4 path/to/my-video-project
    

    이 명령은 input/, review/00-video-understanding/, final/, 최소한의 기계 전용 work/ 트리, 아이덴티티 타임라인, project.json, 미디어 팩트, START-HERE.md를 생성합니다. 선택되지 않은 편집 작업에 대한 폴더는 생성하지 않습니다.

  2. 소스에 명시적인 메타데이터 갱신이 필요할 때만 다시 프로빙:

    python scripts/probe.py input/original-video.mp4 work/understand/media.json
    
  3. 16kHz 모노 오디오 추출 및 전사:

    ffmpeg -y -i input/original-video.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
    

    알 수 없거나 혼합된 언어 음성에는 --lang auto를 사용하세요. 사용자 프롬프트의 언어로부터 음성 언어를 추론하지 마십시오. 오디오 자체나 명시적인 사용자 메타데이터가 확인된 경우에만 --lang zh와 같은 고정 언어를 전달하세요. 모델 다운로드는 프로젝트 로컬 work/cache/faster-whisper/ 캐시에 유지하세요. Faster-whisper는 시작/종료 값이 동일한 드문 시점-시간 단어를 생성할 수 있습니다. 공유 타임라인 매퍼는 이를 1ms 간격으로 유지하여 캡션과 파생물이 텍스트를 조용히 잃지 않도록 합니다.

  4. 객관적인 지표 및 의미 후보 생성:

    python scripts/analyze.py work/understand/transcript.json work/understand/analysis.json
    
  5. 소스, 전사 및 분석을 읽습니다. 사실적 요약, 원본 시간 범위, 신뢰도 및 전사 증거를 포함하여 work/understand/understanding.json을 작성합니다. 컷, 카드 또는 룩을 규정하지 마세요.

  6. 다운스트림 사용 전에 검증:

    python scripts/validate.py understanding work/understand/understanding.json work/understand/transcript.json
    
  7. review/00-video-understanding/ 아래에 다음 유용한 검토 아티팩트만 생성: video-summary.md, transcript.srt, contact-sheet.jpg. 메타데이터, 타임스탬프, 증거 참조 및 보이는 프레임을 확인하세요. 프로토콜 이름을 PNG나 임시 파일명으로 대체하지 마십시오.

  8. 검토 아티팩트와 의미 증거가 검증된 후에만 이해 작업 check.status를 pass로 표시하세요. 작업 라이프사이클 status와 검사 결과는 별개입니다. check.status에 verified를 쓰지 마십시오.

규약

모든 내구성 있는 기계 파일은 work/understand/에 있습니다. work/cache/는 임시 파일로 취급하세요.

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

관련 스킬