Communitygithub.com

JantonioFC/skillsbank

Extrai quadros-chave de vídeos MP4 em intervalos configuráveis, executa OCR com Tesseract e gera relatórios Markdown estruturados com metadados de vídeo e transcrições de texto com carimbo de data/hora.

O que é skillsbank?

Esta skill automatiza a extração de conteúdo textual de arquivos de vídeo MP4. Ela funciona capturando quadros-chave em intervalos de tempo definidos pelo usuário (padrão: 30 segundos), aplicando reconhecimento óptico de caracteres (OCR) via Tesseract em cada quadro e compilando os resultados em um relatório Markdown estruturado. O relatório inclui metadados do vídeo (duração, resolução, codecs) e transcrições quadro a quadro com referências temporais. Ela é projetada para o Codex CLI e requer FFmpeg e Tesseract OCR instalados localmente. É útil para extrair texto de apresentações, palestras ou screencasts, criar transcrições pesquisáveis e analisar conteúdo de vídeo programaticamente. A skill suporta intervalos de extração personalizáveis, fallback de modo de segmentação de página e processamento de conteúdo bilíngue (por exemplo, chinês + inglês). Todas as operações são realizadas localmente, sem envio de dados pela rede.

Funciona com~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/JantonioFC/skillsbank/tree/HEAD/skills/video-content-extractor

Perguntar na sua IA favorita

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

Documentação

Extrator de Conteúdo de Vídeo

Visão Geral

Extrai automaticamente quadros-chave de arquivos de vídeo MP4 em intervalos de tempo configuráveis, realiza reconhecimento de texto OCR em cada quadro e gera um relatório Markdown estruturado. O relatório inclui metadados do vídeo (duração, resolução, codecs) e transcrições OCR quadro a quadro com referências temporais.

Esta skill foi projetada para o Codex CLI e requer FFmpeg e Tesseract OCR instalados na máquina local.

Quando Usar Esta Skill

  • Use quando precisar extrair texto de apresentações em vídeo, palestras ou screencasts.
  • Use quando quiser criar transcrições pesquisáveis a partir de arquivos de vídeo sem legendas incorporadas.
  • Use quando precisar analisar conteúdo de vídeo programaticamente e gerar resumos estruturados.
  • Use quando o usuário pedir para "ler o que está na tela" ou "extrair o conteúdo deste vídeo".

Como Funciona

Passo 1: Analisar Metadados do Vídeo

A skill utiliza ffprobe para extrair metadados do vídeo: duração, resolução, taxa de quadros, informações do codec e tamanho do arquivo.

Passo 2: Extrair Quadros-Chave

Usando FFmpeg, a skill captura quadros no intervalo configurado (padrão: a cada 30 segundos). Cada quadro é salvo como uma imagem JPEG com carimbo de data/hora.

Passo 3: Reconhecimento de Texto OCR

Cada quadro extraído é processado pelo Tesseract OCR. Se o modo PSM padrão não retornar texto significativo, ele recorre à segmentação de página totalmente automática.

Passo 4: Gerar Relatório Markdown

Todos os dados extraídos são reunidos em um documento Markdown estruturado.

Exemplos

Exemplo 1: Extração Básica

Prompt do agente: Use a skill extrator-de-conteudo-de-video para extrair conteúdo de lecture.mp4

A saída gera lecture.md e o diretório lecture_frames/.

Exemplo 2: Intervalo Personalizado

Parâmetros: video_path, output_dir, interval(seconds), lang Extrair a cada 60 segundos com OCR apenas em inglês: python scripts/extract_video.py recording.mp4 ./output 60 eng

Exemplo 3: Conteúdo Bilíngue

Extrair com OCR padrão chinês + inglês: python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng

Melhores Práticas

  • Use intervalos mais curtos (10-15s) para conteúdo rápido com mudanças frequentes de texto.
  • Use intervalos mais longos (30-60s) para slides de apresentação ou palestras lentas, reduzindo quadros duplicados.
  • Para conteúdo em chinês, certifique-se de que o pacote de idioma chinês do Tesseract esteja instalado (chi_sim).

Limitações

  • Requer FFmpeg e Tesseract OCR instalados e acessíveis via PATH.
  • A precisão do Tesseract OCR depende da qualidade do vídeo, tamanho do texto e clareza da fonte.
  • Não extrai áudio nem realiza transcrição de fala para texto.
  • A extração de quadros é baseada em tempo (não em mudança de cena), o que pode produzir quadros quase duplicados.
  • Vídeos grandes com intervalos curtos podem gerar muitos quadros – certifique-se de ter espaço em disco suficiente.

Notas de Segurança e Proteção

  • Esta skill apenas lê arquivos de vídeo e grava quadros extraídos e relatórios Markdown.
  • Ela NÃO envia nenhum dado pela rede – todo o processamento é local.
  • FFmpeg e Tesseract são invocados com argumentos fixos e pré-validados.
  • A skill não modifica nem exclui o arquivo de vídeo original.

Armadilhas Comuns

  • Problema: Tesseract retorna texto ilegível Solução: Certifique-se de que o pacote de idioma correto está instalado. Execute tesseract --list-langs para verificar.

  • Problema: FFmpeg falha com "não encontrado" Solução: Certifique-se de que o FFmpeg está no PATH. Execute ffmpeg -version para verificar.

  • Problema: OCR está lento em vídeos grandes Solução: Aumente o parâmetro de intervalo para reduzir os quadros processados.

Skills Relacionadas

  • @media-summarizer – Para resumir conteúdo de vídeo usando dicas visuais e de áudio.
  • @document-ocr – Para OCR em imagens estáticas ou documentos digitalizados sem processamento de vídeo.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

JantonioFC/skillsbank

AI-powered image editing with style transfer and object removal

JantonioFC/skillsbank

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

JantonioFC/skillsbank

Analise e auditoria de editais de leilao judicial e extrajudicial. Riscos ocultos, clausulas perigosas, debitos, ocupante e classificacao da oportunidade.

JantonioFC/skillsbank

Embed Photopea in web apps using photopea.js. Covers embedding, file I/O, scripting, exporting, layers, text, filters, and the full Photoshop-compatible API.

JantonioFC/skillsbank

Best practices for Remotion - Video creation in React

JantonioFC/skillsbank

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

JantonioFC/skillsbank

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

JantonioFC/skillsbank

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

JantonioFC/skillsbank

Video and audio perception, indexing, and editing. Ingest files/URLs/live streams, build visual/spoken indexes, search with timestamps, edit timelines, add overlays/subtitles, generate media, and create real-time alerts.

JantonioFC/skillsbank

Upload, stream, search, edit, transcribe, and generate AI video and audio using the VideoDB SDK.

JantonioFC/skillsbank

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

JantonioFC/skillsbank

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

JantonioFC/skillsbank

Tool lifecycle UI components for React/Next.js from ui.inference.sh. Display tool calls: pending, progress, approval required, results. Capabilities: tool status, progress indicators, approval flows, results display. Use for: showing agent tool calls, human-in-the-loop approvals, tool output. Triggers: tool ui, tool calls, tool status, tool approval, tool results, agent tools, mcp tools ui, function calling ui, tool lifecycle, tool pending

JantonioFC/skillsbank

Security audit, hardening, threat modeling (STRIDE/PASTA), Red/Blue Team, OWASP checks, code review, incident response, and infrastructure security for any project.

JantonioFC/skillsbank

When the user wants help with paid advertising campaigns on Google Ads, Meta (Facebook/Instagram), LinkedIn, Twitter/X, or other ad platforms. Also use when the user mentions 'PPC,' 'paid media,' 'ROAS,' 'CPA,' 'ad campaign,' 'retargeting,' 'audience targeting,' 'Google Ads,' 'Facebook ads,'...

JantonioFC/skillsbank

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, expla...

JantonioFC/skillsbank

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awarene...

JantonioFC/skillsbank

Generate AI videos with Google Veo, Seedance, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 1.5 Pro, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, lipsync, avatar animation, video upscaling, fole...

JantonioFC/skillsbank

Production-ready CI/CD configurations for Playwright — GitHub Actions, GitLab CI, CircleCI, Azure DevOps, Jenkins, Docker, parallel sharding, reporting, code coverage, and global setup/teardown.

JantonioFC/skillsbank

You are an expert copy editor specializing in marketing and conversion copy. Your goal is to systematically improve existing copy through focused editing passes while preserving the core message.

Habilidades Relacionadas