VideoDB 技能

感知 + 记忆 + 操作：面向视频、实时流和桌面会话。

使用时机

桌面感知

开始/停止桌面会话，捕获屏幕、麦克风和系统音频
流式传输实时上下文并存储情节性会话记忆
运行实时告警/触发器，基于屏幕上的对话和事件
生成会话摘要、可搜索的时间线以及可播放的证据链接

视频摄取 + 流式传输

摄取文件或 URL，返回可播放的 Web 流链接
转码/归一化：编解码器、比特率、FPS、分辨率、宽高比

索引 + 搜索（时间戳 + 证据）

构建视觉、口语和关键词索引
搜索并返回精确时刻，附带时间戳和可播放证据
从搜索结果中自动创建剪辑

时间线编辑 + 生成

字幕：生成、翻译、烧录
叠加：文本/图像/品牌标志、动态字幕
音频：背景音乐、画外音、配音
通过时间线操作进行程序化合成与导出

实时流（RTSP）+ 监控

连接RTSP/实时源
运行实时视觉与口语理解，触发事件/告警用于监控工作流

工作原理

常用输入

本地文件路径、公共URL 或 RTSP URL
桌面捕获请求：开始 / 停止 / 总结会话
所需操作：获取上下文用于理解、转码规格、索引规格、搜索查询、剪辑范围、时间线编辑、告警规则

常用输出

流 URL
搜索带时间戳和证据链接的结果
生成资产：字幕、音频、图像、剪辑
实时流的事件/告警负载
桌面会话摘要和记忆条目

运行 Python 代码

在运行任何 VideoDB 代码之前，切换到项目目录并加载环境变量：

from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()

这会从以下位置读取 VIDEO_DB_API_KEY：

环境变量（如果已导出）
当前目录的项目 .env 文件

如果缺少密钥，videodb.connect() 会自动引发 AuthenticationError。

当简短的命令行足够时，不要编写脚本文件。

当编写内联 Python (python -c "...") 时，始终使用格式正确的代码——使用分号分隔语句并保持可读性。对于超过约 3 个语句的情况，请改用 heredoc：

python << 'EOF'
from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()
coll = conn.get_collection()
print(f"Videos: {len(coll.get_videos())}")
EOF

设置

当用户要求“设置 videodb”或类似内容时：

1. 安装 SDK

pip install "videodb[capture]" python-dotenv

如果在 Linux 上 videodb[capture] 安装失败，则安装不带捕获扩展的版本：

pip install videodb python-dotenv

2. 配置 API 密钥

用户必须使用以下任一方法设置 VIDEO_DB_API_KEY：

在终端中导出（启动 Claude 之前）：export VIDEO_DB_API_KEY=your-key
项目 .env 文件：将 VIDEO_DB_API_KEY=your-key 保存到项目的 .env 文件中

在 console.videodb.io 获取免费 API 密钥（50 次免费上传，无需信用卡）。

不要自行读取、写入或处理 API 密钥。始终让用户自行设置。

快速参考

上传媒体

# URL
video = coll.upload(url="https://example.com/video.mp4")

# YouTube
video = coll.upload(url="https://www.youtube.com/watch?v=VIDEO_ID")

# 本地文件
video = coll.upload(file_path="/path/to/video.mp4")

转录 + 字幕

# force=True 可跳过视频已索引时出现的错误
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

在视频内部搜索

from videodb.exceptions import InvalidRequestError

video.index_spoken_words(force=True)

# search() 在未找到结果时引发 InvalidRequestError。
# 始终使用 try/except 包装，并将“未找到结果”视为空结果。
try:
    results = video.search("product demo")
    shots = results.get_shots()
    stream_url = results.compile()
except InvalidRequestError as e:
    if "No results found" in str(e):
        shots = []
    else:
        raise

场景搜索

import re
from videodb import SearchType, IndexType, SceneExtractionType
from videodb.exceptions import InvalidRequestError

# index_scenes() 没有 force 参数——如果场景索引已存在，它会引发错误。
# 从错误中提取现有的索引 ID。
try:
    scene_index_id = video.index_scenes(
        extraction_type=SceneExtractionType.shot_based,
        prompt="Describe the visual content in this scene.",
    )
except Exception as e:
    match = re.search(r"id\s+([a-f0-9]+)", str(e))
    if match:
        scene_index_id = match.group(1)
    else:
        raise

# 使用 score_threshold 过滤低相关噪声（推荐：0.3 以上）
try:
    results = video.search(
        query="person writing on a whiteboard",
        search_type=SearchType.semantic,
        index_type=IndexType.scene,
        scene_index_id=scene_index_id,
        score_threshold=0.3,
    )
    shots = results.get_shots()
    stream_url = results.compile()
except InvalidRequestError as e:
    if "No results found" in str(e):
        shots = []
    else:
        raise

时间线编辑

重要： 在构建时间线之前，务必验证时间戳：

start 必须 >= 0（负值会被静默接受但会产生损坏的输出）
start 必须 < end
end 必须 <= video.length

from videodb.timeline import Timeline
from videodb.asset import VideoAsset, TextAsset, TextStyle

timeline = Timeline(conn)
timeline.add_inline(VideoAsset(asset_id=video.id, start=10, end=30))
timeline.add_overlay(0, TextAsset(text="The End", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()

转码视频（分辨率/质量更改）

from videodb import TranscodeMode, VideoConfig, AudioConfig

# 在服务器端更改分辨率、质量或宽高比
job_id = conn.transcode(
    source="https://example.com/video.mp4",
    callback_url="https://example.com/webhook",
    mode=TranscodeMode.economy,
    video_config=VideoConfig(resolution=720, quality=23, aspect_ratio="16:9"),
    audio_config=AudioConfig(mute=False),
)

重新调整宽高比（用于社交平台）

警告： reframe() 是一个较慢的服务器端操作。对于长视频，可能需要几分钟，并且可能超时。最佳实践：

尽可能使用 start/end 限制为短片段
对于完整长度的视频，使用 callback_url 进行异步处理
先在 Timeline 上裁剪视频，然后对较短的输出进行重新调整

from videodb import ReframeMode

# 始终优先调整短片段：
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# 完整长度视频的异步重新调整（返回 None，结果通过 webhook）：
video.reframe(target="vertical", callback_url="https://example.com/webhook")

# 预设："vertical"（9:16）、"square"（1:1）、"landscape"（16:9）
reframed = video.reframe(start=0, end=60, target="square")

# 自定义尺寸
reframed = video.reframe(start=0, end=60, target={"width": 1280, "height": 720})

生成式媒体

image = coll.generate_image(
    prompt="a sunset over mountains",
    aspect_ratio="16:9",
)

错误处理

from videodb.exceptions import AuthenticationError, InvalidRequestError

try:
    conn = videodb.connect()
except AuthenticationError:
    print("Check your VIDEO_DB_API_KEY")

try:
    video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
    print(f"Upload failed: {e}")

常见陷阱

场景	错误消息	解决方案
索引已索引的视频	`Spoken word index for video already exists`	使用 `video.index_spoken_words(force=True)` 跳过（如果已索引）
场景索引已存在	`Scene index with id XXXX already exists`	使用 `re.search(r"id\s+([a-f0-9]+)", str(e))` 从错误中提取现有的 `scene_index_id`
搜索未找到匹配项	`InvalidRequestError: No results found`	捕获异常并将其视为空结果（`shots = []`）
重新调整超时	在长视频上无限阻塞	使用 `start`/`end` 限制片段，或传递 `callback_url` 进行异步处理
时间线上的负时间戳	静默产生损坏的流	在创建 `VideoAsset` 之前始终验证 `start >= 0`
`generate_video()` / `create_collection()` 失败	`Operation not allowed` 或 `maximum limit`	计划限制功能——告知用户计划限制

示例

规范提示

“开始桌面捕获，并在出现密码字段时发出告警。”
“录制我的会话，并在结束时生成可操作摘要。”
“摄取此文件并返回可播放的流链接。”
“索引此文件夹，查找每一处有人的场景，返回时间戳。”
“生成字幕，烧录进去，并添加轻柔的背景音乐。”
“连接此 RTSP URL，当有人进入区域时发出告警。”

屏幕录制（桌面捕获）

使用 ws_listener.py 捕获录制会话期间的 WebSocket 事件。桌面捕获仅支持 macOS。

快速开始

选择状态目录：STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
启动监听器：VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
获取 WebSocket ID：cat "$STATE_DIR/videodb_ws_id"
运行捕获代码（完整工作流请参见 reference/capture.md）
事件写入：$STATE_DIR/videodb_events.jsonl

每次开始新的捕获运行时，请使用 --clear，这样旧的转录和视觉事件就不会泄漏到新会话中。

查询事件

import json
import os
import time
from pathlib import Path

events_dir = Path(os.environ.get("VIDEODB_EVENTS_DIR", Path.home() / ".local" / "state" / "videodb"))
events_file = events_dir / "videodb_events.jsonl"
events = []

if events_file.exists():
    with events_file.open(encoding="utf-8") as handle:
        for line in handle:
            try:
                events.append(json.loads(line))
            except json.JSONDecodeError:
                continue

transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
cutoff = time.time() - 300
recent_visual = [
    e for e in events
    if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff
]

附加文档

参考文档位于此 SKILL.md 文件旁边的 reference/ 目录中。如有需要，可使用 Glob 工具定位它。

reference/api-reference.md - VideoDB Python SDK 完整 API 参考
reference/search.md - 视频搜索（口语单词和基于场景）深入指南
reference/editor.md - 时间线编辑、资产和合成
reference/streaming.md - HLS 流式传输和即时播放
reference/generative.md - AI 驱动的媒体生成（图像、视频、音频）
reference/rtstream.md - 实时流接收工作流（RTSP/RTMP）
reference/rtstream-reference.md - RTStream SDK 方法和 AI 管道
reference/capture.md - 桌面捕获工作流
reference/capture-reference.md - 捕获 SDK 和 WebSocket 事件
reference/use-cases.md - 常见视频处理模式和示例

请勿使用 ffmpeg、moviepy 或本地编码工具，如果 VideoDB 支持该操作。以下所有操作均在 VideoDB 服务器端处理——裁剪、合并剪辑、叠加音频或音乐、添加字幕、文本/图像叠加、转码、分辨率更改、宽高比转换、针对平台要求调整大小、转录和媒体生成。仅对 reference/editor.md 中“限制”部分列出的操作（转场、速度更改、裁剪/缩放、调色、音量混合）退回到使用本地工具。

何时使用何种工具

问题	VideoDB 解决方案
平台拒绝视频的宽高比或分辨率	`video.reframe()` 或 `conn.transcode()` 配合 `VideoConfig`
需要调整视频大小以适配 Twitter/Instagram/TikTok	`video.reframe(target="vertical")` 或 `target="square"`
需要更改分辨率（例如 1080p → 720p）	`conn.transcode()` 配合 `VideoConfig(resolution=720)`
需要在视频上叠加音频/音乐	在 `Timeline` 上使用 `AudioAsset`
需要添加字幕	`video.add_subtitle()` 或 `CaptionAsset`
需要合并/裁剪剪辑	在 `Timeline` 上使用 `VideoAsset`
需要生成画外音、音乐或音效	`coll.generate_voice()`、`generate_music()`、`generate_sound_effect()`

来源

此技能的参考材料在本地存储于 skills/videodb/reference/ 目录下。请优先使用上述本地副本，不要在运行时跟随外部存储库链接。

在你喜欢的 AI 中提问

文档