Extração de Inteligência de Vídeos
Visão Geral
Extraia inteligência acionável de conteúdo de vídeo em YouTube, Vimeo e sites corporativos. O vídeo revela o que fontes de texto não conseguem: escala de instalações, composição da equipe, demonstrações de produtos, sinalização, presença em eventos e a realidade operacional.
Esta skill foca em extração de metadados + legendas (rápida, gratuita, sem custo de armazenamento) e baixa arquivos de vídeo reais apenas quando a análise visual é necessária.
Quando Usar
- A empresa alvo tem um canal no YouTube (mesmo que pequeno — Shorts contam)
- Fundador ou liderança aparece em vídeos de podcast/entrevista
- Demonstrações ou walkthroughs de produto existem em qualquer plataforma
- Gravações de eventos mostram o estande, apresentações ou presença da empresa
- Você precisa verificar alegações (tamanho da instalação, número de funcionários, variedade de produtos) com evidências visuais
- O site da empresa possui conteúdo de vídeo incorporado
Pré-requisitos
| Ferramenta | Instalação | Propósito |
|---|---|---|
| yt-dlp | pip install yt-dlp ou brew install yt-dlp | Download de metadados/legendas de vídeo |
| Python 3.10+ | Sistema | Análise VTT, automação |
| Whisper (opcional) | pip install openai-whisper | Transcrição quando não há legendas |
| ffmpeg (opcional) | brew install ffmpeg | Extração de áudio para Whisper |
Fase 1: Descoberta
Enumeração de Canal do YouTube
# Listar TODOS os vídeos de um canal (retorna IDs + títulos, sem download)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "https://www.youtube.com/@NOME_DO_CANAL"
# Incluir datas de upload para análise de linha do tempo
yt-dlp --flat-playlist --print "%(upload_date)s %(id)s %(title)s" "https://www.youtube.com/@NOME_DO_CANAL"
Busca no YouTube
# Buscar no YouTube (top 10 resultados)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch10:NOME_DA_EMPRESA"
# Busca mais ampla (top 30)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch30:NOME_DA_EMPRESA entrevista fundador"
Outros Métodos de Descoberta
| Fonte | Método |
|---|---|
| Busca Google Vídeos | site:youtube.com "Nome da Empresa" |
| Site da empresa | Inspecionar código fonte procurando <iframe src="youtube.com/embed/..."> |
| Vimeo | yt-dlp --flat-playlist "https://vimeo.com/USUARIO" |
| Navegação manual — vídeos não podem ser enumerados programaticamente | |
| Plataformas de eventos | Verificar páginas de sessão no Sched/Emamo por links de vídeo incorporados |
Checklist de Descoberta
- Canal do YouTube da própria empresa alvo
- Canal pessoal do fundador/CEO ou aparições como convidado
- Canais de podcast do setor onde o alvo foi entrevistado
- Canais de eventos/conferências com apresentações do alvo
- Canais de parceiros/fornecedores mencionando o alvo
- Canais de notícias/mídia local cobrindo o alvo
Fase 2: Captura
Metadados + Legendas (Padrão — Sem Download de Vídeo)
# Canal inteiro — metadados + legendas automáticas, sem arquivos de vídeo
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
--sleep-interval 2 "https://www.youtube.com/@CANAL"
# Vídeo único
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
"https://www.youtube.com/watch?v=ID_DO_VIDEO"
# Múltiplos vídeos específicos a partir de uma lista
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
--sleep-interval 2 -a urls_videos.txt
Principais Flags do yt-dlp
| Flag | Propósito |
|---|---|
--write-info-json | Salva metadados completos (título, data, duração, descrição, tags, contagem de visualizações) |
--write-auto-sub | Baixa legendas geradas automaticamente |
--sub-lang en | Apenas legendas em inglês |
--skip-download | Nenhum arquivo de áudio/vídeo — apenas metadados |
--sleep-interval 2 | Limitação de taxa (crítico para canais com 30+ vídeos) |
--flat-playlist | Modo lista — enumera sem baixar nada |
-f "bestvideo[height<=720]+bestaudio" | Baixa vídeo em qualidade razoável |
-x --audio-format mp3 | Extrai apenas áudio (para Whisper) |
Baixar Arquivos de Vídeo (Quando Análise Visual For Necessária)
# Máximo 720p (bom equilíbrio entre qualidade e tamanho de arquivo)
yt-dlp -f "bestvideo[height<=720]+bestaudio" --merge-output-format mp4 URL_DO_VIDEO
# Apenas áudio para transcrição com Whisper
yt-dlp -x --audio-format mp3 URL_DO_VIDEO
Estrutura de Arquivos de Saída
projeto/
├── raw/video/
│ ├── Titulo do Video [ID_DO_VIDEO].info.json # Metadados
│ ├── Titulo do Video [ID_DO_VIDEO].en.vtt # Legendas automáticas (formato VTT)
│ └── Titulo do Video [ID_DO_VIDEO].mp4 # Arquivo de vídeo (apenas se baixado)
├── transcricoes/
│ ├── ID_DO_VIDEO_transcricao.txt # Texto puro analisado
│ └── ID_DO_VIDEO_transcricao.txt
└── analise/
└── resumo_inteligencia_video.md
Fase 3: Análise de VTT
Converter Legendas VTT para Texto Puro
import re
import glob
def vtt_para_texto(caminho_vtt):
"""Analisa arquivo de legenda VTT para texto puro limpo."""
with open(caminho_vtt) as f:
conteudo = f.read()
# Remover cabeçalho WEBVTT e metadados
conteudo = re.sub(r'WEBVTT.*?\n', '', conteudo, flags=re.DOTALL)
# Remover linhas de timestamp
conteudo = re.sub(r'\d{2}:\d{2}:\d{2}\.\d+ --> .*', '', conteudo)
# Remover tags de formatação estilo HTML
conteudo = re.sub(r'<[^>]+>', '', conteudo)
# Remover linhas repetidas consecutivas e juntar
linhas = []
for l in conteudo.split('\n'):
l = l.strip()
if l and not l.isdigit() and (not linhas or l != linhas[-1]):
linhas.append(l)
return ' '.join(linhas)
def analisar_vtts_em_lote(diretorio_vtt, diretorio_saida):
"""Analisa todos os arquivos VTT em um diretório para texto puro."""
import os
os.makedirs(diretorio_saida, exist_ok=True)
for arquivo_vtt in glob.glob(f"{diretorio_vtt}/*.vtt"):
texto = vtt_para_texto(arquivo_vtt)
# Extrair ID do vídeo do padrão de nome "Titulo [ID_DO_VIDEO].en.vtt"
video_id = re.search(r'\[([^\]]+)\]', arquivo_vtt)
if video_id:
nome_saida = f"{video_id.group(1)}_transcricao.txt"
else:
nome_saida = os.path.basename(arquivo_vtt).replace('.en.vtt', '_transcricao.txt')
with open(os.path.join(diretorio_saida, nome_saida), 'w') as f:
f.write(texto)
print(f"Analisado: {nome_saida} ({len(texto.split())} palavras)")
Fase 4: Fallback Whisper (Quando Não Há Legendas)
Quando legendas automáticas não existem (comum em Shorts, vídeos antigos, conteúdo não-inglês):
# Baixar apenas áudio
yt-dlp -x --audio-format mp3 -o "%(id)s.%(ext)s" URL_DO_VIDEO
# Transcrever com Whisper
whisper ID_DO_VIDEO.mp3 --model base --language en --output_format txt
# Para melhor precisão de nomes próprios (3-5x mais lento):
whisper ID_DO_VIDEO.mp3 --model medium --language en --output_format txt
Quando Legendas Geralmente Não Existem
- YouTube Shorts (< 60 segundos)
- Vídeos enviados antes de ~2015 (era pré-legenda automática)
- Vídeos não listados/privados
- Conteúdo com muita música e pouca fala
- Conteúdo não-inglês sem idioma especificado
Fase 5: Extração de Inteligência
Inteligência de Metadados (do info.json)
Cada arquivo .info.json contém:
| Campo | Valor de inteligência |
|---|---|
upload_date | Linha do tempo da atividade da empresa e estratégia de conteúdo |
duration | Curto = promocional; Longo = entrevista substancial |
description | Frequentemente contém links, nomes, timestamps, menções a parceiros |
tags | Estratégia de SEO, categorias autoidentificadas |
view_count | Qual conteúdo repercute com o público deles |
like_count | Sinal de qualidade de engajamento |
channel | Quem publicou (canal deles vs. aparição como convidado) |
Checklist de Inteligência de Transcrições
- Pessoas mencionadas (funcionários, parceiros, clientes)
- Números de receita/crescimento mencionados casualmente em entrevistas
- Planos futuros ou estratégia discutidos
- Pontos problemáticos ou desafios admitidos
- Menções a concorrentes (positivas ou negativas)
- Planos de contratação ou referências ao tamanho da equipe
- Roadmap de produto ou anúncios de funcionalidades
- Nomes de clientes ou estudos de caso mencionados verbalmente
Checklist de Inteligência Visual (Requer Download de Vídeo)
- Tamanho e condição da instalação/armazém
- Número de funcionários visíveis (proxy para tamanho da equipe)
- Produtos em prateleiras ou em demonstrações (amplitude de inventário)
- Equipamentos e maquinário (sinais de investimento de capital)
- Sinalização, branding e uso de logotipo
- Tamanho e qualidade do design do estande de eventos
- Frota de veículos (capacidade de entrega)
- Interações com clientes capturadas em câmera
- Identificadores geográficos/de localização no fundo
Casos Extremos e Armadilhas
-
Limitação de taxa do YouTube — Use
--sleep-interval 2entre downloads. Erros de DNS aparecem após 30+ solicitações rápidas. Para canais grandes, divida em lotes de 20. -
Nomes de arquivos de download de canal — yt-dlp nomeia arquivos como "Título [ID_DO_VIDEO].ext" ao baixar de canais. Espaços e caracteres especiais em títulos quebram scripts de shell. Use
-o "%(id)s.%(ext)s"para nomes limpos. -
Uploads duplicados — Mesma entrevista enviada em canais ou títulos diferentes. Faça referência cruzada por duração + upload_date para detectar duplicatas antes de gastar tempo analisando ambas.
-
Vídeos nativos do LinkedIn — NÃO podem ser baixados programaticamente. As URLs CDN do LinkedIn são autenticadas e expiram em horas. Sinalizar como tarefa manual: "Salvar como Web Complete" no navegador, ou capturar quadros-chave como screenshot.
-
Shorts vs. vídeos completos — O formato de URL do Shorts é
youtube.com/shorts/ID, mas o yt-dlp lida com ambos os formatos de forma transparente. Não pule Shorts — eles frequentemente mostram produtos, instalações e cultura da equipe. -
Vídeos não listados — Não aparecem nas listagens do canal, mas são acessíveis via URL direta. Mecanismos de busca podem tê-los indexado. Verifique Google Cache e Wayback Machine para URLs não listadas que já foram vinculadas publicamente.
-
Qualidade das legendas automáticas — Sem pontuação, às vezes nomes próprios distorcidos (Celina → Selena, BROGAV → ProGraph). Precisão de 95%+ para fala padrão em inglês. Sempre verifique nomes de empresas/pessoas com fontes confiáveis.
-
Data de upload vs. data do conteúdo — Vídeos podem ser enviados semanas ou meses após a gravação. Verifique a descrição e pistas de áudio para a data real de gravação. Vídeos de eventos especialmente atrasam.
-
info.json é ouro — Sempre capture com
--write-info-json. O campo de descrição frequentemente contém timestamps, nomes de convidados, links para recursos e menções a parceiros que não estão no vídeo em si. -
Timestamps VTT são valiosos — A conversão para texto puro perde informação temporal. Mantenha os arquivos VTT originais como fonte da verdade. Timestamps permitem encontrar momentos específicos para verificação visual.
Anti-Padrões
| Não faça | Faça em vez disso |
|---|---|
| Ignorar Shorts por serem curtos | Revise Shorts para inteligência visual (produtos, instalação, equipe) |
| Assumir que todos os vídeos têm legendas | Verifique; recorra ao Whisper para conteúdo sem legenda |
| Baixar arquivos de vídeo por padrão | Comece com --skip-download; baixe vídeo apenas para análise visual |
| Tentar automatizar download de vídeo do LinkedIn | Sinalize como tarefa manual; URLs CDN são autenticadas |
| Confiar em upload_date como data do conteúdo | Faça referência cruzada com descrição, pistas de áudio, datas de eventos |
| Baixar canal inteiro de uma vez sem limite de taxa | Use --sleep-interval 2 e divida em grupos de 20 |
| Analisar apenas transcrições, ignorar info.json | Metadados contêm nomes, links, tags que não estão no áudio |
| Tratar vídeo como inferior a fontes de texto | O vídeo confirma de forma única a realidade física (instalação, equipe, produtos) |
Árvore de Decisão
O conteúdo está no YouTube?
├── SIM → yt-dlp --write-info-json --write-auto-sub --skip-download
│ ├── Tem legendas? → Analisar VTT para texto → Extrair inteligência
│ └── Sem legendas?
│ ├── Vídeo > 60s com fala? → yt-dlp -x → Whisper → Analisar
│ └── Curto/apenas visual? → Baixar vídeo → Análise visual
└── NÃO →
├── Vimeo → yt-dlp suporta (mesmo fluxo do YouTube)
├── Vídeo do LinkedIn → Manual "Salvar como Web Complete" (sinalizar como tarefa manual)
├── Incorporado em site corporativo → Extrair URL do iframe → geralmente YouTube/Vimeo
└── Outra plataforma → Verificar lista de sites suportados pelo yt-dlp
Resultados do Mundo Real (Estudo de Caso BROGAV)
| Métrica | Valor |
|---|---|
| Total de vídeos descobertos | 45 (9 completos, 36 Shorts) |
| Arquivos de legenda VTT capturados | 10 |
| Transcrições analisadas para texto | 10 |
| Entrevistas substantivas analisadas | 2 (5.000+ palavras cada) |
| Podcast via RSS/fallback Whisper | 1 (6.489 palavras) |
| Vídeos duplicados detectados | 1 (mesma entrevista, dois canais) |
| Inteligência única extraída | História de origem do fundador, sinais de receita, planos de crescimento, relacionamentos com fornecedores, detalhes de instalações, cultura da equipe |
| Inteligência visual de Shorts | Gama de produtos, layout do armazém, linha de armários com marca, inventário sazonal |
Integração com Outras Skills
| Skill | Ponto de integração |
|---|---|
deep-research | Vídeo é fonte da Fase 3/4 juntamente com busca na web |
intelligence-dossier | Transcrições de vídeo alimentam seções de Pessoas, Produtos, Sinais Financeiros |
client-discovery-osint | Vídeos de depoimentos de clientes nomeiam clientes diretamente |
supplier-verification | Vídeos de demonstração de produto mostram logotipos de fornecedores e produtos com marca |
era-validated-linkedin-analysis | Datas de upload de vídeo fazem referência cruzada com linha do tempo de atividade no LinkedIn |
contact-sheet-image-analysis | Screenshots de vídeo podem ser analisados em lote via grids de thumbnail |