Processador de Vídeo
Instruções
Esta skill fornece utilitários de processamento de vídeo, incluindo extração de áudio, conversão de formato 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 fornece uma CLI simples com os seguintes comandos:
1. Extrair Áudio do Vídeo
Extrair a faixa 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 áudio de saída (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: pt, en, es, fr, de, zh--format: Formato de saída (padrão: txt). Opções: txt, srt, vtt, json
Fluxo de trabalho de transcrição:
- Se a entrada for vídeo, o FFmpeg extrai o áudio para um arquivo WAV temporário
- O Whisper processa o arquivo de áudio
- A transcrição é salva no formato solicitado
- Os arquivos temporários são limpos automaticamente
5. Exemplo de Fluxo de Trabalho 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 lecture.mp4 lecture.wav
# 2. Transcrever para legendas SRT
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 lecture.srt --format srt --model small
# 3. Converter para formato web
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm lecture.mp4 lecture.webm
Detalhes Técnicos Principais
Integração FFmpeg e Whisper:
- O FFmpeg não transcreve áudio por si só - ele prepara o áudio para transcrição externa
- O fluxo de trabalho é: Extrair áudio (FFmpeg) → Transcrever (Whisper) → Opcional: Reintegrar com o vídeo
- O FFmpeg pode canalizar 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 o áudio com configurações ideais 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 em nível de palavra
Tratamento de Erros
O script inclui tratamento de erros abrangente:
- 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
tinyoubasepara rascunhos rápidos - Use
smalloumediumpara transcrições de produção - Use
largeapenas 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:
- Usar o comando to-mp4 com as configurações padrão:
uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 old_video.avi output.mp4 - Confirmar que a conversão foi concluída com sucesso
- Informar o usuário sobre o local do arquivo de saída
Exemplo 2: Extrair Áudio e Transcrever
Solicitação do usuário:
Gravei um vídeo de aula e preciso de uma transcrição. Você pode extrair o áudio e transcrevê-lo?
Você deve:
- Primeiro extrair o áudio:
uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio lecture.mp4 lecture.wav - Depois transcrever usando o modelo base (bom equilíbrio entre velocidade/precisão):
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe lecture.mp4 transcript.txt --model base - Compartilhar o arquivo transcript.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. Pode ajudar?
Você deve:
- Converter para WebM para otimização web:
uv run .claude/skills/video-processor/scripts/video_processor.py to-webm presentation.mp4 presentation.webm - Gerar arquivo de legenda SRT:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe presentation.mp4 subtitles.srt --format srt --model small - Informar ao usuário que agora ele tem:
- presentation.webm (vídeo otimizado para web)
- subtitles.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:
- Usar um modelo maior com idioma especificado para melhor precisão:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.txt --model medium --language es - Opcionalmente criar SRT para revisão:
uv run .claude/skills/video-processor/scripts/video_processor.py transcribe interview.mp4 transcript.srt --format srt --model medium --language es - Revisar a transcrição com o usuário e fazer as correções necessárias
Exemplo 5: Processamento em Lote de Múltiplos Vídeos
Solicitação do usuário:
Tenha uma pasta de vídeos de treinamento que precisam ser convertidos para WebM e transcritos.
Você deve:
- Listar todos os arquivos de vídeo no diretório:
ls training_videos/*.mp4 - 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 training_videos/video1.mp4 output/video1.webm uv run .claude/skills/video-processor/scripts/video_processor.py transcribe training_videos/video1.mp4 output/video1.txt --model base # Repetir para cada arquivo - Confirmar que todas as conversões e transcrições foram concluídas
- 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 faixas de áudio em vários formatos
- Conversão de formato: Converter para MP4 (universal) ou WebM (otimizado para web)
- Transcrição: Conversão de fala para texto com múltiplos formatos de saída
- Flexibilidade: Argumentos CLI para seleção de modelo, idioma e formatos de saída
Todas as operações são realizadas através de um único script bem documentado, com valores padrão sensatos e tratamento de erros abrangente.