Jamkris/everything-gemini-code

VideoDB 技能

針對影片、即時串流與桌面會話的感知 + 記憶 + 行動。

使用時機

桌面感知

• 啟動/停止桌面會話，捕捉螢幕、麥克風與系統音訊
• 串流即時情境，並儲存情節式會話記憶
• 針對對話內容與螢幕上發生的事件執行即時警示/觸發器
• 產生會話摘要、可搜尋的時間軸，以及可播放的證據連結

影片擷取 + 串流

• 擷取檔案或 URL，並回傳可播放的網路串流連結
• 轉碼/正規化：編碼、位元率、FPS、解析度、長寬比

索引 + 搜尋（時間戳記 + 證據）

• 建立視覺、口語與關鍵字索引
• 搜尋並回傳附有時間戳記與可播放證據的確切瞬間
• 從搜尋結果自動建立剪輯

時間軸編輯 + 生成

• 字幕：產生、翻譯、燒錄
• 疊加：文字/圖片/品牌標示、動態字幕
• 音訊：背景音樂、旁白、配音
• 透過時間軸操作進行程式化組合與匯出

即時串流（RTSP）+ 監控

• 連接 RTSP/即時來源
• 執行即時視覺與口語理解，並發出事件/警示以利監控工作流程

運作方式

常見輸入

• 本地檔案路徑、公開 URL 或 RTSP URL
• 桌面擷取請求：啟動 / 停止 / 總結會話
• 期望的操作：取得理解所需的情境、轉碼規格、索引規格、搜尋查詢、剪輯範圍、時間軸編輯、警示規則

常見輸出

• 串流 URL
• 附有時間戳記與證據連結的搜尋結果
• 生成的素材：字幕、音訊、圖片、剪輯
• 即時串流的事件/警示負載
• 桌面會話摘要與記憶條目

執行 Python 程式碼

在執行任何 VideoDB 程式碼之前，請切換到專案目錄並載入環境變數：

from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()

此程式碼會從以下位置讀取 VIDEO_DB_API_KEY：

1. 環境變數（如果已匯出）
2. 當前目錄專案的 .env 檔案

如果金鑰遺失，videodb.connect() 會自動引發 AuthenticationError。

當簡短的內嵌指令可行時，請不要編寫指令碼檔案。

在編寫內嵌 Python（python -c "..."）時，請務必使用格式正確的程式碼 — 使用分號分隔陳述式並保持可讀性。對於超過約 3 個陳述式的內容，請改用 heredoc：

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

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

設定

當使用者要求「設定 videodb」或類似指令時：

1. 安裝 SDK

pip install "videodb[capture]" python-dotenv

如果 videodb[capture] 在 Linux 上安裝失敗，請安裝不含 capture 擴充功能的版本：

pip install videodb python-dotenv

2. 設定 API 金鑰

使用者必須使用任一方法設定 VIDEO_DB_API_KEY：

• 在終端機中匯出（在啟動 Gemini 之前）：export VIDEO_DB_API_KEY=你-的金鑰
• 專案 .env 檔案：在專案的 .env 檔案中儲存 VIDEO_DB_API_KEY=你-的金鑰

在 console.videodb.io 取得免費 API 金鑰（50 次免費上傳，無需信用卡）。

請勿自行讀取、寫入或處理 API 金鑰。始終讓使用者自行設定。

快速參考

上傳媒體

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

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

# 本地檔案
video = coll.upload(file_path="/path/to/video.mp4")

逐字稿 + 字幕

# force=True 可在影片已索引時跳過錯誤
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

在影片中搜尋

from videodb.exceptions import InvalidRequestError

video.index_spoken_words(force=True)

# search() 在未找到結果時會引發 InvalidRequestError。
# 請務必使用 try/except 包裹，並將「找不到結果」視為空值。
try:
    results = video.search("產品示範")
    shots = results.get_shots()
    stream_url = results.compile()
except InvalidRequestError as e:
    if "找不到結果" in str(e):
        shots = []
    else:
        raise

場景搜尋

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

# index_scenes() 沒有 force 參數 — 如果場景索引已存在，它會引發錯誤。
# 從錯誤訊息中擷取現有的索引 ID。
try:
    scene_index_id = video.index_scenes(
        extraction_type=SceneExtractionType.shot_based,
        prompt="描述這個場景中的視覺內容。",
    )
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 過濾低相關性的雜訊（建議：0.3 以上）
try:
    results = video.search(
        query="一個人在白板上寫字",
        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 "找不到結果" in str(e):
        shots = []
    else:
        raise

時間軸編輯

重要： 在建立時間軸之前，務必驗證時間戳記：

• start 必須 >= 0（負值會被靜默接受，但會產生損壞的輸出）
• start 必須 < end
• end 必須 <= 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="結束", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()

轉碼影片（變更解析度 / 品質）

from videodb import TranscodeMode, VideoConfig, AudioConfig

# 在伺服器端變更解析度、品質或長寬比
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),
)

調整長寬比（適用於社群平台）

警告： reframe() 是一項緩慢的伺服器端操作。對於長影片，可能需要數分鐘，並可能超時。最佳做法：

• 儘可能使用 start/end 限制為短片段
• 對於完整長度的影片，使用 callback_url 進行非同步處理
• 先從 Timeline 修剪影片，再調整較短結果的長寬比

from videodb import ReframeMode

# 優先調整短片段的長寬比：
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# 針對完整長度影片的非同步調整（回傳 None，結果透過 webhook 取得）：
video.reframe(target="vertical", callback_url="https://example.com/webhook")

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

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

生成式媒體

image = coll.generate_image(
    prompt="山脈上的日落",
    aspect_ratio="16:9",
)

錯誤處理

from videodb.exceptions import AuthenticationError, InvalidRequestError

try:
    conn = videodb.connect()
except AuthenticationError:
    print("請檢查你的 VIDEO_DB_API_KEY")

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

常見陷阱

情境	錯誤訊息	解決方案
對已索引的影片進行索引	影片的口語單字索引已存在	使用 video.index_spoken_words(force=True) 在已索引時跳過
場景索引已存在	場景索引 id XXXX 已存在	使用 re.search(r"id\s+([a-f0-9]+)", str(e)) 從錯誤中擷取現有的 scene_index_id
搜尋未找到相符項目	InvalidRequestError：找不到結果	捕捉例外狀況，並將其視為空結果（shots = []）
調整長寬比超時	長影片會無限期阻塞	使用 start/end 限制片段，或傳入 callback_url 進行非同步處理
時間軸上的負值時間戳記	靜默產生損壞的串流	在建立 VideoAsset 之前務必驗證 start >= 0
generate_video() / create_collection() 失敗	不允許的操作 或 達到上限	方案限制的功能 — 告知使用者方案限制

範例

典型提示

• 「啟動桌面擷取，並在出現密碼欄位時發出警示。」
• 「錄製我的會話，並在結束時產生可行的摘要。」
• 「擷取此檔案，並回傳可播放的串流連結。」
• 「索引此資料夾，並找出所有包含人物的場景，回傳時間戳記。」
• 「產生字幕、燒錄進去，並加入輕柔的背景音樂。」
• 「連接此 RTSP URL，並在有人進入區域時發出警示。」

螢幕錄製（桌面擷取）

在錄製會話期間使用 ws_listener.py 捕捉 WebSocket 事件。桌面擷取僅支援 macOS。

快速入門

1. 選擇狀態目錄：STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
2. 啟動監聽器：VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
3. 取得 WebSocket ID：cat "$STATE_DIR/videodb_ws_id"
4. 執行擷取程式碼（詳見 reference/capture.md 的完整工作流程）
5. 事件寫入至：$STATE_DIR/videodb_events.jsonl

每當你啟動新的擷取執行時，請使用 --clear，這樣舊的逐字稿和視覺事件就不會洩漏到新的會話中。

查詢事件

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
]

其他文件

參考文件位於此 SKILL.md 檔案相鄰的 reference/ 目錄中。如有需要，請使用 Glob 工具來定位它。

• reference/api-reference.md - 完整的 VideoDB Python SDK API 參考
• reference/search.md - 影片搜尋的深入指南（口語單字與場景式）
• reference/editor.md - 時間軸編輯、素材與組合
• reference/streaming.md - HLS 串流與即時播放
• reference/generative.md - AI 驅動的媒體生成（圖片、影片、音訊）
• reference/rtstream.md - 即時串流攝取工作流程（RTSP/RTMP）
• reference/rtstream-reference.md - RTStream SDK 方法與 AI 管線
• reference/capture.md - 桌面擷取工作流程
• reference/capture-reference.md - 擷取 SDK 與 WebSocket 事件
• reference/use-cases.md - 常見影片處理模式與範例

當 VideoDB 支援該操作時，請勿使用 ffmpeg、moviepy 或本機編碼工具。 以下操作均由 VideoDB 在伺服器端處理：修剪、合併剪輯、疊加音訊或音樂、加入字幕、文字/圖片疊加、轉碼、解析度變更、長寬比轉換、針對平台需求調整大小、轉錄與媒體生成。僅針對 reference/editor.md 中「限制」部分所列的操作（轉場、速度變更、裁切/縮放、調色、音量混合）才回退使用本機工具。

何時使用何種工具

問題	VideoDB 解決方案
平台拒絕影片的長寬比或解析度	video.reframe() 或 conn.transcode() 搭配 VideoConfig
需要調整影片大小以符合 Twitter/Instagram/TikTok	video.reframe(target="vertical") 或 target="square"
需要變更解析度（例如 1080p → 720p）	conn.transcode() 搭配 VideoConfig(resolution=720)
需要在影片上疊加音訊/音樂	在 Timeline 上使用 AudioAsset
需要加入字幕	video.add_subtitle() 或 CaptionAsset
需要合併/修剪剪輯	在 Timeline 上使用 VideoAsset
需要產生旁白、音樂或音效	coll.generate_voice()、generate_music()、generate_sound_effect()

來源

此技能的參考資料位於本機的 skills/videodb/reference/ 目錄下。 請使用上述的本機副本，而非在執行時跟隨外部儲存庫連結。