stevederico/video-understanding

video-understanding 是什麼？

這是一個 AI Agent 技能，專門用來分析影片內容。它能將影片分割成含時間戳記的畫面（timestamped frames），並透過本地執行的 Whisper 語音辨識引擎將語音轉換為 SRT 字幕檔。最終，它會產出一個名為 understanding.md 的 Markdown 檔案，該檔案會將畫面中的視覺元素與對應時間點的語音內容相互關聯，提供結構化的影片理解摘要。此技能支援所有可執行 Python 與 ffmpeg 的命令列環境或 Agent 框架（如 Claude Code、Cursor、Codex 等）。對開發者與 AI Agent 使用者而言，這項技能極具價值，能自動化影片分析流程，避免手動觀看與轉寫，大幅提升影片內容審查、自動摘要或後製處理的效率。其運作方式依賴本地 Whisper 模型確保隱私與離線可用性，並利用 ffmpeg 進行精確的畫面擷取，最後以簡單的 Markdown 格式輸出，易於整合至其他工具或工作流程中。