Communitygithub.com

legenxxx/video-digest

Transforme qualquer vídeo em um resumo de texto pesquisável — transcrição, texto na tela e links, e montagens em contato. 100% local, sem nuvem.

O que é video-digest?

O **video-digest** é uma skill para agentes de IA (como Claude Code, Cursor e Codex) que converte vídeos em um resumo Markdown pesquisável, tudo processado localmente, sem depender de serviços em nuvem. Ela produz três componentes integrados em um único arquivo `digest.md`: transcrição das falas (via faster-whisper), extração de todo texto visível nos quadros com OCR (incluindo URLs e @handles) e montagens de contato (grades de quadros) para uma visão visual rápida. A skill é ideal para catalogar centenas de vídeos, recuperar links exibidos na tela ou obter uma prévia visual de longas gravações, sem precisar assisti-los. Suporta macOS (OCR nativo com Vision) e Linux (com Tesseract), é resiliente (cada etapa pode falhar graciosamente) e oferece flags para controle fino, como taxa de amostragem de OCR, número de quadros da montagem e modelo do Whisper.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add legenxxx/video-digest

Perguntar na sua IA favorita

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

Documentação

O que video-digest faz?

Visão Geral

Transforme qualquer vídeo em um único resumo Markdown pesquisável. Para cada clipe, a skill produz três elementos e os mescla em um digest.md:

  1. Transcrição — as palavras faladas (faster-whisper, no dispositivo).
  2. Texto na tela — cada linha única de texto visível nos quadros (OCR), com URLs e @handles extraídos separadamente.
  3. Montagens de contato — grades de quadros cobrindo todo o clipe, para que você leia sua história visual de relance.

Tudo é executado localmente. Sem chamadas de rede, sem contas, sem telemetria. O núcleo precisa apenas de ffmpeg; transcrição e OCR são opcionais e degradam graciosamente.

Quando usar

  • "O que tem neste vídeo / nestes 200 vídeos?" sem assisti-los.
  • Construir um catálogo pesquisável de reels, palestras, tutoriais ou filmagens.
  • Recuperar os links e handles exibidos na tela em um clipe.
  • Obter uma visão visual rápida (montagens) de gravações longas ou muitas.

Não para: transmissões ao vivo, edição/corte de vídeo ou geração de vídeo. Isso lê vídeo e emite texto + resumos de imagem.

Referência Rápida

scripts/check-deps.sh                    # o que está instalado + como obter o resto
scripts/video-digest.sh clip.mp4         # um vídeo → ./video-digest-out/clip/digest.md
scripts/video-digest.sh --out ~/digests *.mp4     # processar uma pasta inteira
scripts/video-digest.sh --lang en talk.mov        # sugerir o idioma da transcrição
scripts/video-digest.sh --no-transcript reel.mp4  # pular áudio, apenas visuais+texto
scripts/video-digest.sh --ocr-engine tesseract x.mp4   # forçar um mecanismo OCR específico
FlagPropósitoPadrão
-o, --out DIRdiretório de saída./video-digest-out
--fps Ntaxa de amostragem de quadros para OCR2
--montage-frames Nquadros distribuídos pelo clipe90
--tile CxRgrade da montagem3x3
--ocr-engine Eauto|vision|tesseract|noneauto
--whisper-model Mtiny|base|small|medium(+.en)small
--whisper-python Pinterpretador que possui faster-whisperdetectado automaticamente
--lang CODEsugestão de idioma da transcriçãodetectado automaticamente
--no-transcript / --no-ocr / --no-montagepular uma etapa—
--forcere-executar etapas mesmo se em cachedesligado

Execute scripts/video-digest.sh --help para a lista completa.

Como Funciona

O ponto de entrada scripts/video-digest.sh orquestra três ferramentas pequenas e independentes que você também pode executar separadamente:

EtapaScriptMecanismo
Montagensscripts/montage.shfiltro tile do ffmpeg
Texto na telascripts/ocr.sh (+ ocr_vision.swift)Vision do macOS (padrão) ou tesseract
Transcriçãoscripts/transcribe.pyfaster-whisper

Cada etapa é retomável — o trabalho concluído é marcado .done / armazenado em cache e ignorado em re-execuções, a menos que você passe --force. O resumo é sempre reconstruído a partir das etapas presentes, então execuções parciais ainda produzem um arquivo útil.

A seleção do mecanismo OCR é automática: no macOS usa o framework Vision integrado (sem instalação, no dispositivo), caso contrário tesseract se presente, caso contrário pula o OCR com um aviso. Veja references/setup.md para instalar back-ends opcionais e references/output-format.md para o layout exato da saída.

Erros Comuns

  • Transcrição vazia → o faster-whisper não está instalado no interpretador sendo usado. Execute scripts/check-deps.sh, depois pip install faster-whisper, ou aponte para um ambiente existente com --whisper-python /path/to/python.
  • Sem texto na tela no Linux → instale o tesseract (apt install tesseract-ocr); o mecanismo Vision é exclusivo do macOS.
  • Número enorme de quadros de montagem em clipes curtos → reduza --montage-frames (ex.: 30).
  • Idioma errado na transcrição → passe --lang (ex.: --lang sk), ou use um modelo não .en para áudio multilíngue.

Exemplo

O diretório examples/sample-digest/ contém um pequeno clipe gerado e o digest.md que ele produz — transcrição, uma URL detectada, um @handle e uma folha de montagem. Reproduza com (a linha de transcrição precisa do faster-whisper instalado):

scripts/video-digest.sh --montage-frames 9 examples/sample-digest/sample.mp4

Habilidades Relacionadas