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.