Communitygithub.com

lilinji/GeneTind-Life-Skills

Processa arquivos de vídeo com extração de áudio, conversão de formatos (mp4, webm) e transcrição Whisper. Use quando o usuário mencionar conversão de vídeo, extração de áudio, transcrição, mp4, webm, ffmpeg ou transcrição Whisper.

O que é GeneTind-Life-Skills?

Esta skill fornece utilitários para processamento de vídeo, incluindo extração de áudio, conversão de formatos e transcrição de fala para texto usando FFmpeg e o modelo Whisper da OpenAI. Ela é útil em cenários como converter vídeos antigos para MP4 ou WebM otimizado para web, extrair áudio para análise e transcrever gravações em texto com diferentes formatos de saída (txt, srt, vtt, json). A skill é compatível com ambientes que possuem Python, FFmpeg e o pacote whisper instalados, e funciona tanto em macOS quanto em Linux. Sua interface é baseada em um único script CLI (`video_processor.py`) que gerencia todo o fluxo: extração de áudio com FFmpeg, transcrição com Whisper e limpeza automática de arquivos temporários.

Funciona com✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/lilinji/GeneTind-Life-Skills/tree/HEAD/skills/Video-Processor

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Processador de Vídeo

Instruções

Esta skill fornece utilitários de processamento de vídeo, incluindo extração de áudio, conversão de formatos e transcrição de áudio usando FFmpeg e o modelo Whisper da OpenAI.

Pré-requisitos

Ferramentas necessárias (devem estar instaladas no seu ambiente):

  • FFmpeg: Framework multimídia para processamento de vídeo/áudio

    # macOS
    brew install ffmpeg
    
    # Ubuntu/Debian
    apt-get install ffmpeg
    
    # Verificar instalação
    ffmpeg -version
    
  • OpenAI Whisper: Modelo de transcrição de fala para texto

    # Instalar via pip
    pip install -U openai-whisper
    
    # Verificar instalação
    whisper --help
    

Pacotes Python (incluídos no script via PEP 723):

  • click (framework CLI)
  • ffmpeg-python (wrapper Python para FFmpeg)

Fluxo de Trabalho

Use o script scripts/video_processor.py para todas as tarefas de processamento de vídeo. O script oferece uma CLI simples com os seguintes comandos:

1. Extrair Áudio do Vídeo

Extrair a trilha de áudio de um arquivo de vídeo:

uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav

Opções:

  • --format: Formato de saída do áudio (padrão: wav). Suporta: wav, mp3, aac, flac
  • A saída é adequada para transcrição ou uso de áudio independente

2. Converter Vídeo para MP4

Converter qualquer arquivo de vídeo para o formato MP4:

uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4

Opções:

  • --codec: Codec de vídeo (padrão: libx264). Opções comuns: libx264, libx265, h264
  • --preset: Predefinição de velocidade/qualidade de codificação (padrão: medium). Opções: ultrafast, fast, medium, slow, veryslow

3. Converter Vídeo para WebM

Converter qualquer arquivo de vídeo para o formato WebM (otimizado para web):

uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm

Opções:

  • --codec: Codec de vídeo (padrão: libvpx-vp9). Opções: libvpx, libvpx-vp9
  • WebM é otimizado para reprodução e streaming na web

4. Transcrever Áudio com Whisper

Transcrever arquivos de áudio ou vídeo para texto usando o modelo Whisper da OpenAI:

# Transcrever arquivo de vídeo (o áudio será extraído automaticamente)
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt

# Transcrever arquivo de áudio diretamente
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe audio.wav transcript.txt

Opções:

  • --model: Tamanho do modelo Whisper (padrão: base). Opções:
    • tiny: Mais rápido, menor precisão (~1GB RAM)
    • base: Rápido, boa precisão (~1GB RAM) [PADRÃO]
    • small: Equilibrado (~2GB RAM)
    • medium: Alta precisão (~5GB RAM)
    • large: Melhor precisão, mais lento (~10GB RAM)
  • --language: Código do idioma (padrão: detecção automática). Exemplos: en, es, fr, de, zh
  • --format: Formato de saída (padrão: txt). Opções: txt, srt, vtt, json

Fluxo de transcrição:

  1. Se a entrada for vídeo, o FFmpeg extrai o áudio para um arquivo WAV temporário
  2. O Whisper processa o arquivo de áudio
  3. A transcrição é salva no formato solicitado
  4. Os arquivos temporários são limpos automaticamente

5. Exemplo de Fluxo Combinado

Processar um vídeo do início ao fim:

# 1. Extrair áudio para análise
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio palestra.mp4 palestra.wav

# 2. Transcrever para legendas SRT
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe palestra.mp4 palestra.srt --format srt --model small

# 3. Converter para formato web
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm palestra.mp4 palestra.webm

Detalhes Técnicos Importantes

Integração FFmpeg e Whisper:

  • O FFmpeg não transcreve áudio por si só – ele prepara o áudio para transcrição externa
  • O fluxo é: Extrair áudio (FFmpeg) → Transcrever (Whisper) → Opcional: Reintegrar ao vídeo
  • O FFmpeg pode enviar áudio diretamente para o Whisper para processamento em tempo real (caso de uso avançado)

Formato de Áudio para Transcrição:

  • O Whisper funciona melhor com formatos WAV ou MP3
  • Taxa de amostragem: 16kHz é o ideal (o script lida com a conversão automaticamente)
  • O script extrai áudio com configurações otimizadas para o Whisper

Formatos de Saída:

  • txt: Transcrição em texto simples
  • srt: Formato de legenda SubRip (inclui timestamps)
  • vtt: Formato de legenda WebVTT (padrão web)
  • json: JSON detalhado com timestamps por palavra

Tratamento de Erros

O script inclui tratamento abrangente de erros:

  • Valida se os arquivos de entrada existem
  • Verifica se FFmpeg e Whisper estão instalados
  • Fornece mensagens de erro claras para dependências ausentes
  • Lida com a limpeza de arquivos temporários em caso de erros

Dicas de Desempenho

  • Use modelos tiny ou base para rascunhos rápidos
  • Use small ou medium para transcrições de produção
  • Use large apenas quando a máxima precisão for necessária
  • Para vídeos longos, considere extrair o áudio primeiro e depois transcrever em segmentos
  • A conversão para WebM com VP9 leva mais tempo, mas produz arquivos menores

Exemplos

Exemplo 1: Conversão Rápida de Vídeo para MP4

Solicitação do usuário:

Tenho um arquivo AVI da minha câmera antiga. Você pode convertê-lo para MP4?

Você deve:

  1. Usar o comando to-mp4 com as configurações padrão:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 video_antigo.avi output.mp4
    
  2. Confirmar que a conversão foi concluída com sucesso
  3. Informar o usuário sobre o local do arquivo de saída

Exemplo 2: Extrair Áudio e Transcrever

Solicitação do usuário:

Gravei um vídeo de palestra e preciso de uma transcrição. Você pode extrair o áudio e transcrevê-lo?

Você deve:

  1. Primeiro extrair o áudio:
    uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio palestra.mp4 palestra.wav
    
  2. Depois transcrever usando o modelo base (bom equilíbrio entre velocidade e precisão):
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe palestra.mp4 transcricao.txt --model base
    
  3. Compartilhar o arquivo transcricao.txt com o usuário

Exemplo 3: Criar Vídeo Otimizado para Web com Legendas

Solicitação do usuário:

Preciso colocar este vídeo no meu site com legendas. Você pode ajudar?

Você deve:

  1. Converter para WebM para otimização web:
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm apresentacao.mp4 apresentacao.webm
    
  2. Gerar arquivo de legenda SRT:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe apresentacao.mp4 legendas.srt --format srt --model small
    
  3. Informar o usuário que agora ele tem:
    • apresentacao.webm (vídeo otimizado para web)
    • legendas.srt (arquivo de legenda para incorporação)

Exemplo 4: Transcrição de Alta Qualidade com Especificação de Idioma

Solicitação do usuário:

Tenho um vídeo de entrevista em espanhol que precisa de uma transcrição precisa para publicação.

Você deve:

  1. Usar um modelo maior com idioma especificado para melhor precisão:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe entrevista.mp4 transcricao.txt --model medium --language es
    
  2. Opcionalmente, criar SRT para revisão:
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe entrevista.mp4 transcricao.srt --format srt --model medium --language es
    
  3. Revisar a transcrição com o usuário e fazer as correções necessárias

Exemplo 5: Processamento em Lote de Vários Vídeos

Solicitação do usuário:

Tenho uma pasta de vídeos de treinamento que todos precisam ser convertidos para WebM e transcritos.

Você deve:

  1. Listar todos os arquivos de vídeo no diretório:
    ls videos_treinamento/*.mp4
    
  2. Para cada arquivo de vídeo, executar a conversão e transcrição:
    # Para cada vídeo: video1.mp4, video2.mp4, etc.
    uv run .claude/skills/video-processor/scripts/video_processor.py to-webm videos_treinamento/video1.mp4 output/video1.webm
    uv run .claude/skills/video-processor/scripts/video_processor.py transcribe videos_treinamento/video1.mp4 output/video1.txt --model base
    
    # Repetir para cada arquivo
    
  3. Confirmar que todas as conversões e transcrições foram concluídas
  4. Fornecer um resumo dos arquivos de saída

Resumo

A skill video-processor fornece uma interface unificada para tarefas comuns de processamento de vídeo:

  • Extração de áudio: Extrair trilhas de áudio em vários formatos
  • Conversão de formatos: Converter para MP4 (universal) ou WebM (otimizado para web)
  • Transcrição: Fala para texto com múltiplos formatos de saída
  • Flexível: Argumentos CLI para seleção de modelo, idioma e formatos de saída

Todas as operações são tratadas por meio de um único script bem documentado, com padrões sensatos e tratamento abrangente de erros.

Habilidades Relacionadas