Communitygithub.com

julioseru/视频分析

观看、收听和分析视频(YouTube URL、其他网站或本地文件)。当用户要求观看、总结、分析或提取视频信息时使用,例如分析 YouTube 上讲解的交易策略。将视频转换为带有时间戳的关键帧截图、音频转录和场景切换对齐的时间线。

视频分析 是什么?

该技能用于对视频进行深度分析,支持 YouTube URL、其他视频网站链接或本地视频文件。它首先检查本地环境和依赖是否就绪(如 Whisper 语音识别),然后通过自适应采样以每秒 4 次的频率分析视频,仅在画面变化(如文本、价格标签、画线)或每 5 秒无变化时保存一帧。处理完成后,会生成一个包含视觉事件(场景变化)的 report.json 文件,以及一个将截图、转录和场景切换对齐的时间线文档(timeline.md)。用户需要按顺序查看每张包含 9 帧截图的表格,结合每段的音频转录内容进行分析,必要时可通过额外命令对关键区域进行高分辨率放大。该技能特别适合交易策略分析、教程总结等场景,能够清晰地分离“视觉证据”和“音频证据”,并支持通过 Gemini API 获取第二意见。系统要求首次运行前安装依赖,在 Windows 上使用 py -3.12,macOS/Linux 上使用 python3。

兼容平台~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/julioseru/ver-video/tree/HEAD/skills/ver-video

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

ver-video

SKILL_DIR 是包含本文件的文件夹。脚本位于 SKILL_DIR/scripts/vervideo.py。Windows 下使用 py -3.12(Whisper 尚不支持 Python 3.14);macOS/Linux 下使用 python3。

1. 检查(仅限会话中首次执行)

py -3.12 "SKILL_DIR/scripts/vervideo.py" check

如果 listo_para_watch 为 false,请告知用户执行本仓库中的 instalar_todo.bat(Windows)或 install.sh(macOS/Linux)。未经询问,请勿使用管理员权限安装任何内容。

2. 处理视频

py -3.12 "SKILL_DIR/scripts/vervideo.py" watch "<URL 或路径>"

默认使用自适应采样:每秒分析视频 4 次,并在图像发生变化时保存一帧(即使只是微小区域变化:文字、价格标签、绘制的线条),如果无变化则每隔 ≤5 秒保存一张控制帧。report.json 列出了变化时刻(visual_events)。

有用选项:

  • --start 12:00 --end 18:30 用于指定时间段。适用于长视频:先进行总体扫描,然后对特定时间段进行更详细的分析。
  • --sensitivity 1 用于捕捉更细微的变化(默认值为 2%);--max-gap 3 用于在静止时间段增加控制帧数量。
  • --mode fixed --interval 2 用于旧模式(每隔 N 秒一张照片)。
  • --lang en 如果音频是英语(auto 用于自动检测)。
  • --transcript subs 仅使用网站字幕(更快);whisper 强制本地转录。
  • Whisper 在可用时使用 NVIDIA GPU(模型 large-v3-turbo,更精确),否则使用 CPU(模型 small)。使用 --whisper-model 强制指定模型。

该命令输出一个 JSON,包含 timeline.md 的路径和输出文件夹。

3. 观看视频(必须执行,不要跳过此步骤)

  1. 完整阅读 timeline.md。
  2. 按顺序,每一页图纸,使用 Read 打开图片并阅读该时间段内的图像及其讲述内容。每页图纸包含 9 帧(从左到右、从上到下),每帧上方有一条黄色时间条(如果不是整秒,则包含十分之一秒);✂ 标记场景剪切。帧不是等间距的:连续两帧非常接近表示此时屏幕上发生了某些变化。
  3. 记录方格之间变化的心智笔记:运动、屏幕文字、图形、价格水平、指标、手势。
  4. 当重要内容看起来较小时(数字、水平线、指标名称、参数),缩放到完整分辨率:
py -3.12 "SKILL_DIR/scripts/vervideo.py" zoom "<输出文件夹>" --at 14:32 --count 3 --step 1

然后打开它返回的图像。

4. 回答

  • 为每个陈述引用时间戳 [MM:SS]。
  • 区分看到的(帧)和听到的(转录)。不要仅根据音频断言视觉事实,也不要反过来。
  • 如果某部分不清楚(例如,两帧之间的快速运动),请说明并用更多详细信息重新查看该部分: watch ... --start MM:SS --end MM:SS --sensitivity 1 --min-gap 0.25。
  • 对于交易视频:提取入场、出场、止损、管理、时间框架、工具、指标及其参数规则,并指出作者未指定的内容。

5. 可选:Gemini

如果存在 GEMINI_API_KEY,可以请求使用原生处理视频和音频的模型进行第二次意见征询。事先告知用户:视频将被发送到 Google(本地文件会上传并在完成后删除)。

py -3.12 "SKILL_DIR/scripts/vervideo.py" gemini "<URL 或路径>" --prompt "具体问题"

将其回答与你自己的图纸进行对比;未经核实不要直接复制。

相关技能