Communitygithub.com

视频情报提取

从YouTube、Vimeo和公司网站的视频内容中提取可操作情报。视频能揭示文本来源无法呈现的信息:设施规模、团队构成、产品演示、标识、活动出席情况和运营实况。

视频情报提取 是什么?

该技能专注于从视频内容中提取可操作的情报,挖掘文本数据难以捕捉的物理现实,如设施规模、团队构成、产品演示和活动运营情况。它默认采用元数据+字幕提取方式(快速、免费、无存储成本),仅在需要视觉分析时才下载实际视频文件。技能覆盖了YouTube、Vimeo和公司网站嵌入视频的发现、捕获和解析工作流,包括使用yt-dlp获取元数据和自动字幕、Python脚本将VTT字幕转换为纯文本,以及在无字幕时通过Whisper进行转录的降级方案。该技能还整合了情报提取清单、边缘情况处理和反模式指南,以及与深层研究、情报档案和客户发现等其他技能的集成点。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ever-just/agentskills/tree/HEAD/skills/video-intelligence

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

视频情报提取 是做什么的?

概览

从YouTube、Vimeo和公司网站的视频内容中提取可操作情报。视频能揭示文本来源无法呈现的信息:设施规模、团队构成、产品演示、标识、活动出席情况和运营实况。

本技能专注于元数据+字幕提取(快速、免费、无存储成本),仅在需要视觉分析时才下载实际视频文件。


使用场景

  • 目标公司拥有YouTube频道(即使很小——Shorts也计入)
  • 创始人或领导层出现在播客/访谈视频中
  • 任何平台上存在产品演示或导览
  • 活动录像显示公司的展位、演示或出席情况
  • 您需要用视觉证据核实声明(设施规模、团队人数、产品范围)
  • 公司网站有嵌入式视频内容

前提条件

工具安装方式用途
yt-dlppip install yt-dlp 或 brew install yt-dlp视频元数据/字幕下载
Python 3.10+系统VTT解析、自动化
Whisper(可选)pip install openai-whisper无字幕时的转录
ffmpeg(可选)brew install ffmpeg为Whisper提取音频

阶段1:发现

YouTube频道枚举

# 列出频道上的所有视频(返回视频ID+标题,不下载)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

# 包含上传日期以进行时间线分析
yt-dlp --flat-playlist --print "%(upload_date)s %(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

YouTube搜索

# 搜索YouTube(前10个结果)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch10:COMPANY_NAME"

# 更广泛的搜索(前30个)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch30:COMPANY_NAME founder interview"

其他发现方法

来源方法
Google视频搜索site:youtube.com "公司名称"
公司网站检查源代码中是否包含 <iframe src="youtube.com/embed/...">
Vimeoyt-dlp --flat-playlist "https://vimeo.com/USER"
LinkedIn手动浏览——视频无法通过编程方式枚举
活动平台检查Sched/Emamo会议页面中嵌入的视频链接

发现核对清单

  • 目标公司自己的YouTube频道
  • 创始人/CEO个人频道或客串出镜
  • 目标接受采访的行业播客频道
  • 包含目标演示的活动/会议频道
  • 提及目标的合作伙伴/供应商频道
  • 报道目标的本地新闻/媒体频道

阶段2:捕获

元数据+字幕(默认——不下载视频)

# 整个频道——元数据+自动字幕,无视频文件
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 "https://www.youtube.com/@CHANNEL"

# 单个视频
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  "https://www.youtube.com/watch?v=VIDEO_ID"

# 从列表中下载多个特定视频
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 -a video_urls.txt

关键yt-dlp标志

标志用途
--write-info-json保存完整元数据(标题、日期、时长、描述、标签、观看次数)
--write-auto-sub下载自动生成的字幕
--sub-lang en仅英文字幕
--skip-download无视频/音频文件——仅元数据
--sleep-interval 2速率限制(对于30+视频的频道至关重要)
--flat-playlist列出模式——枚举而不下载任何内容
-f "bestvideo[height<=720]+bestaudio"以合理质量下载视频
-x --audio-format mp3仅提取音频(用于Whisper)

下载视频文件(需要视觉分析时)

# 最高720p(质量与文件大小的良好平衡)
yt-dlp -f "bestvideo[height<=720]+bestaudio" --merge-output-format mp4 VIDEO_URL

# 仅音频用于Whisper转录
yt-dlp -x --audio-format mp3 VIDEO_URL

输出文件结构

project/
├── raw/video/
│   ├── Title of Video [VIDEO_ID].info.json    # 元数据
│   ├── Title of Video [VIDEO_ID].en.vtt       # 自动字幕(VTT格式)
│   └── Title of Video [VIDEO_ID].mp4          # 视频文件(仅当已下载时)
├── transcripts/
│   ├── VIDEO_ID_transcript.txt                # 解析后的纯文本
│   └── VIDEO_ID_transcript.txt
└── analysis/
    └── video_intelligence_summary.md

阶段3:VTT解析

将VTT字幕转换为纯文本

import re
import glob

def vtt_to_text(vtt_path):
    """解析VTT字幕文件为干净的纯文本。"""
    with open(vtt_path) as f:
        content = f.read()
    # 移除WEBVTT头部和元数据
    content = re.sub(r'WEBVTT.*?\n', '', content, flags=re.DOTALL)
    # 移除时间戳行
    content = re.sub(r'\d{2}:\d{2}:\d{2}\.\d+ --> .*', '', content)
    # 移除HTML样式格式化标签
    content = re.sub(r'<[^>]+>', '', content)
    # 去重连续重复行并连接
    lines = []
    for l in content.split('\n'):
        l = l.strip()
        if l and not l.isdigit() and (not lines or l != lines[-1]):
            lines.append(l)
    return ' '.join(lines)


def batch_parse_vtts(vtt_dir, output_dir):
    """批量解析目录中所有VTT文件为纯文本。"""
    import os
    os.makedirs(output_dir, exist_ok=True)
    for vtt_file in glob.glob(f"{vtt_dir}/*.vtt"):
        text = vtt_to_text(vtt_file)
        # 从文件名模式中提取视频ID "Title [VIDEO_ID].en.vtt"
        video_id = re.search(r'\[([^\]]+)\]', vtt_file)
        if video_id:
            out_name = f"{video_id.group(1)}_transcript.txt"
        else:
            out_name = os.path.basename(vtt_file).replace('.en.vtt', '_transcript.txt')
        with open(os.path.join(output_dir, out_name), 'w') as f:
            f.write(text)
        print(f"已解析: {out_name} (共{len(text.split())}个词)")

阶段4:Whisper降级方案(无字幕可用时)

当自动字幕不存在时(常见于Shorts、较旧视频、非英文内容):

# 仅下载音频
yt-dlp -x --audio-format mp3 -o "%(id)s.%(ext)s" VIDEO_URL

# 使用Whisper转录
whisper VIDEO_ID.mp3 --model base --language en --output_format txt

# 为提高专有名词准确率(慢3-5倍):
whisper VIDEO_ID.mp3 --model medium --language en --output_format txt

字幕通常不存在的情况

  • YouTube Shorts(< 60秒)
  • 约2015年之前上传的视频(前自动字幕时代)
  • 非公开/私密视频
  • 以音乐为主、语音极少的内容
  • 未指定语言的非英文内容

阶段5:情报提取

元数据情报(来自info.json)

每个.info.json文件包含:

字段情报价值
upload_date公司活动和内容策略的时间线
duration短=宣传;长=实质性访谈
description通常包含链接、姓名、时间戳、合作伙伴提及
tagsSEO策略、自我识别的类别
view_count哪些内容能引起受众共鸣
like_count参与度质量信号
channel谁发布的(他们的频道 vs. 客串出镜)

转录情报核对清单

  • 提到的人名(员工、合作伙伴、客户)
  • 访谈中随口提到的收入/增长数据
  • 讨论的未来计划或战略
  • 承认的痛点或挑战
  • 竞争对手提及(正面或负面)
  • 招聘计划或团队规模参考
  • 产品路线图或功能公告
  • 口头提到的客户名称或案例研究

视觉情报核对清单(需要下载视频)

  • 设施/仓库大小和状况
  • 可见的员工人数(团队规模代理指标)
  • 货架上的产品或演示中的产品(库存广度)
  • 设备和机械(资本投资信号)
  • 标牌、品牌和徽标使用情况
  • 活动展位大小和设计质量
  • 车队(交付能力)
  • 镜头捕捉到的客户互动
  • 背景中的地理/位置标识符

边缘情况和注意事项

  1. YouTube速率限制 — 在下载之间使用--sleep-interval 2。在30+次快速请求后会出现DNS错误。对于大型频道,请分批处理,每批20个。

  2. 频道下载文件名 — 从频道下载时,yt-dlp将文件命名为"Title [VIDEO_ID].ext"。标题中的空格和特殊字符会破坏shell脚本。使用-o "%(id)s.%(ext)s"以获得干净的文件名。

  3. 重复上传 — 同一访谈被上传到不同频道或使用不同标题。通过时长+upload_date交叉引用,在花费时间分析两者之前捕获重复项。

  4. LinkedIn原生视频 — 无法通过编程方式下载。LinkedIn CDN URL经过认证并在数小时内过期。标记为手动任务:在浏览器中"另存为Web完整版",或截图关键帧。

  5. Shorts vs. 完整视频 — Shorts的URL格式是youtube.com/shorts/ID,但yt-dlp透明地处理这两种格式。不要跳过Shorts——它们通常展示产品、设施和团队文化。

  6. 非公开视频 — 不在频道列表中,但可通过直接URL访问。搜索引擎可能已索引它们。检查Google缓存和Wayback Machine以获取曾经公开链接的非公开URL。

  7. 自动字幕质量 — 没有标点符号,有时会弄乱专有名词(Celina → Selena,BROGAV → ProGraph)。标准英语语音的准确率为95%以上。始终根据已知的可靠来源核实公司/人名。

  8. 上传日期 vs. 内容日期 — 视频可能在实际录制数周或数月后上传。检查描述和音频线索以获取实际录制日期。活动视频尤其有滞后。

  9. info.json是金矿 — 始终使用--write-info-json捕获。描述字段通常包含时间戳、嘉宾姓名、资源链接和合作伙伴提及,这些在视频本身中不可见。

  10. VTT时间戳很有价值 — 纯文本转换会丢失时间信息。保留原始VTT文件作为事实来源。时间戳让您能够找到特定时刻进行视觉验证。


反模式

不要这样做改为这样做
因为Shorts短就忽略它们审查Shorts以获取视觉情报(产品、设施、团队)
假设所有视频都有字幕检查;对于无字幕内容降级使用Whisper
默认下载视频文件从--skip-download开始;仅在需要视觉分析时才获取视频
尝试自动化LinkedIn视频下载标记为手动任务;CDN URL经过认证
相信upload_date就是内容日期与描述、音频线索、活动日期交叉引用
一次性下载整个频道而不进行速率限制使用--sleep-interval 2并分批处理,每组20个
仅解析转录文本,忽略info.json元数据包含音频中没有的名称、链接、标签
将视频视为次于文本来源的信息视频独特地确认物理现实(设施、团队、产品)

决策树

内容在YouTube上?
├── 是 → yt-dlp --write-info-json --write-auto-sub --skip-download
│   ├── 有字幕?→ 解析VTT为文本 → 提取情报
│   └── 无字幕?
│       ├── 视频 > 60秒且有语音?→ yt-dlp -x → Whisper → 分析
│       └── Shorts/纯视觉?→ 下载视频 → 视觉分析
└── 否 →
    ├── Vimeo → yt-dlp支持它(工作流与YouTube相同)
    ├── LinkedIn视频 → 手动"另存为Web完整版"(标记为手动任务)
    ├── 公司网站嵌入 → 提取iframe URL → 通常为YouTube/Vimeo
    └── 其他平台 → 检查yt-dlp支持的站点列表

真实案例(BROGAV案例研究)

指标值
发现的视频总数45(9个全长,36个Shorts)
捕获的VTT字幕文件10
解析为文本的转录文本10
分析的实质性访谈2(每个5000+词)
通过RSS/Whisper降级方案的播客1(6489个词)
捕获的重复视频1(同一访谈,两个频道)
提取的独特情报创始人起源故事、收入信号、增长计划、供应商关系、设施细节、团队文化
来自Shorts的视觉情报产品系列、仓库布局、品牌橱柜生产线、季节性库存

与其他技能的集成

技能集成点
deep-research视频是与网络搜索并行的第3/4阶段来源
intelligence-dossier视频转录内容填充人物、产品、财务信号等部分
client-discovery-osint客户推荐视频直接提及客户名称
supplier-verification产品演示视频显示供应商徽标和品牌产品
era-validated-linkedin-analysis视频上传日期与LinkedIn活动时间线交叉引用
contact-sheet-image-analysis视频截图可通过缩略图网格进行批量分析

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

ever-just/agentskills

> Declarative animations for React. Springs, gestures, layout animations, and page transitions. GPU-accelerated, production-ready.

ever-just/agentskills

> Create animated logos, icons, and micro-interactions as lightweight Lottie JSON files. No After Effects needed — build animations entirely in code.

ever-just/agentskills

> A TypeScript library using generators to program animations with a real-time editor. Ideal for explainer videos, code walkthroughs, and educational content.

ever-just/agentskills

> Add animated subtitles and captions to Remotion videos from .SRT files. TikTok-style word-by-word highlights, karaoke effects, and more.

ever-just/agentskills

> Create videos programmatically using React components. The most mature framework for code-driven video production.

ever-just/agentskills

> Copy-paste video components for Remotion. Intros, text effects, transitions, and full scene templates. Like shadcn/ui but for video.

ever-just/agentskills

Optimize and embed an existing video as a fast, crisp, autoplaying hero/background/loop on a website. Use when adding or replacing a video on a marketing site and it is too heavy, will not autoplay (especially on mobile/Safari), shows a codec error, or looks soft — to transcode it to web-safe H.264 with the right pixel format, faststart, retina-aware sizing, and a poster frame, then embed and verify it actually plays. This is optimization + embedding of footage you already have, not creating/animating a video (for that use remotion/moviepy/motion-canvas). Use when the user says "add this video to the site", "the hero video is too big / won't play / isn't crisp", "replace the homepage video", or "make this loop on the landing page".

ever-just/agentskills

Full conversion audit for any homepage or landing page. Use when someone asks to "review my homepage," "audit my landing page," "why isn't my page converting," "check my website," or wants feedback on their marketing page. Requires URL or screenshot before proceeding.

ever-just/agentskills

Automatically fetch YouTube video transcripts, generate structured summaries, and send full transcripts to messaging platforms. Detects YouTube URLs and provides metadata, key insights, and downloadable transcripts.

相关技能