Contexto de Vídeo
Um modelo lê texto e imagens, portanto um vídeo se torna três canais: a postagem ao redor dele, o que foi dito (legendas, ou então uma transcrição) e o que foi mostrado (quadros). O script inspeciona o arquivo e decide a rota de acordo com o que encontra. Uma gravação de tela silenciosa, ou uma animação com efeitos sonoros, não gera transcrição, e os quadros carregam tudo. Leia os canais que o pacote informa como presentes e, em seguida, escreva um resumo que o próximo leitor possa usar sem abrir o vídeo.
Etapas
1. Extrair
sh ~/.claude/skills/video-context/references/extract.sh <url-ou-arquivo>
Ele imprime o caminho do pacote (padrão /tmp/video-context/<slug>/). Padrões: um quadro a cada 3 s, no máximo 60 quadros com o intervalo ajustado para caber, download limitado a 1080p. Os parâmetros estão documentados no início do script: INTERVAL, MAX_FRAMES, MAX_HEIGHT, FORCE_TRANSCRIBE, WHISPER_MODEL, SUB_LANGS. Código de saída 2 indica uma ferramenta ausente; instale-a a partir de references/setup.md e execute novamente.
Concluído quando README.md no pacote lista cada canal como presente, ausente, vazio ou ignorado.
2. Ler os canais
Leia README.md primeiro: o texto da postagem e a tabela de canais decidem o que abrir.
- Falado. Leia
captions.txtoutranscript.txtpor completo. Legendas automáticas podem grafitar incorretamente nomes de produtos; o texto da postagem e os quadros corrigem-nos. - Mostrado. Leia
frames/em ordem de timestamp. Após 20 quadros, leia primeiro um a cada três, depois retorne ao trecho sobre o qual a pergunta é feita. Quando ambos os canais estiverem presentes, verifique as afirmações da transcrição em relação aos quadros: uma demonstração diz uma coisa e a tela mostra outra.
Concluído quando cada canal marcado como presente tiver sido lido, e cada quadro tiver sido aberto ou estiver em um trecho que você nomeou como ignorado.
3. Resumir
Escreva summary.md no pacote:
- Um parágrafo: o formato (demonstração, pessoa falando, animação, gravação de tela) e o ponto principal que o vídeo apresenta.
- Uma linha do tempo em marcadores na ordem
[m:ss], uma coisa mostrada ou dita por marcador, citações da transcrição ipsis litteris. - Uma linha nomeando o que os canais não carregaram: sem áudio, um trecho de patrocínio, quadros muito grosseiros para uma edição rápida.
Concluído quando cada marcador da linha do tempo tiver um timestamp que corresponda a um arquivo de quadro ou a uma linha da transcrição, e a linha sobre canais vazios corresponda à tabela do README.
4. Responder
Responda à pergunta no tamanho em que foi feita e forneça o caminho do pacote para que o usuário possa abrir os quadros. Uma pergunta de aprendizado continua na skill learn com summary.md como a fonte buscada de sua ramificação de artigo.
Hábitos de trabalho
- Um trecho que precisa de quadros mais finos recebe sua própria execução: recorte-o com
ffmpeg -ss <início> -t <duração> -i clip.mp4 -c copy parte.mp4, depois extraiaparte.mp4comINTERVAL=1. Re-executar o vídeo inteiro com um intervalo mais fino multiplica os quadros que você precisa ler. - A transcrição é em inglês por padrão. Outro idioma requer um modelo multilíngue;
references/setup.mdinforma qual. - Legendas do Twitter nunca existem, portanto um clipe do x.com com fala sempre executa o Whisper. Reserve cerca de um quinto da duração do clipe para isso.