Communitygithub.com

ver-video (觀看影片)

觀看、聆聽並分析影片(YouTube 或其他網站的 URL,或本機檔案)。每當使用者要求觀看、摘要、分析或從影片中提取資訊時使用,例如 YouTube 上講解的交易策略。將影片轉換為帶有時間戳的幀表、音訊轉錄稿以及對齊時間軸的場景切換。

ver-video (觀看影片) 是什麼?

`ver-video` 是一個 AI 代理技能,專為 Claude Code、Cursor 或 Codex 等工具設計,能夠將影片轉換為結構化的文字與視覺分析。它支援 YouTube URL、其他網站連結或本機影片檔案,透過**自適應取樣**每秒分析畫面 4 次,僅在影像變化(包括細微的文字、價格標籤或線條變動)時儲存幀,並在無變化的段落中每 ≤5 秒儲存一個控制幀。輸出為 `timeline.md` 和包含 9 格圖片的幀表(每格上方有黃色時間戳,`✂` 標記場景切換),以及 JSON 格式的變動事件報告。音訊轉錄支援網站字幕(快速)或本機 Whisper(GPU 上使用 large-v3-turbo 模型,CPU 上使用 small 模型),並可選用 Gemini API 進行第二意見。此技能非常適合提取交易規則、圖表分析、教學摘要等需要同步視覺與聽覺資訊的任務。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

ver-video(觀看影片)

SKILL_DIR 是包含此檔案的資料夾。腳本位於 SKILL_DIR/scripts/vervideo.py。在 Windows 上使用 py -3.12(Whisper 尚不支援 Python 3.14);在 macOS/Linux 上使用 python3。

1. 檢查(僅限每次工作階段首次使用)

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

如果 listo_para_watch 為 false,請告知使用者執行此儲存庫中的 instalar_todo.bat(Windows)或 install.sh(macOS/Linux)。未經詢問,請勿以管理員權限安裝任何內容。

2. 處理影片

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

預設使用自適應取樣:每秒分析影片 4 次,並在影像每次變化時儲存一個幀(包括小區域變化:文字、價格標籤、繪製線條),加上無變化時每 ≤5 秒一個控制幀。report.json 列出變動的時刻(visual_events)。

實用選項:

  • --start 12:00 --end 18:30 指定時間範圍。對於長影片非常有用:先進行一次整體掃描,再針對特定段落進行更詳細的分析。
  • --sensitivity 1 捕捉更細微的變化(預設 2%);--max-gap 3 在靜態段落中增加更多控制幀。
  • --mode fixed --interval 2 使用舊模式(每 N 秒一張圖片)。
  • --lang en 若音訊為英文(auto 則自動偵測)。
  • --transcript subs 僅使用網站字幕(更快);whisper 強制使用本機轉錄。
  • Whisper 在有可用的 NVIDIA GPU 時使用 GPU(模型 large-v3-turbo,更精準),否則使用 CPU(模型 small)。可使用 --whisper-model 強制指定。

該命令會輸出一個 JSON,包含 timeline.md 的路徑以及輸出資料夾。

3. 觀看影片(必須執行,不可跳過此步驟)

  1. 完整閱讀 timeline.md。
  2. 依序針對每一頁幀表,使用 Read 開啟圖片並閱讀,同時比對該段落中說明的內容。每頁包含 9 個幀(從左到右、從上到下),每個幀上方有一條黃色時間條(若非整秒則顯示十分之一秒);✂ 標記場景切換。這些幀並非等距:兩個連續且非常接近的幀表示該時刻畫面上發生了變化。
  3. 在腦中記錄每個畫格之間的變化:動作、螢幕文字、圖形、價格水平、指標、手勢。
  4. 當重要細節看起來很小(數字、水平、指標名稱、參數)時,使用完整解析度進行放大:
py -3.12 "SKILL_DIR/scripts/vervideo.py" zoom "<輸出資料夾>" --at 14:32 --count 3 --step 1

並開啟回傳的圖片。

4. 回應

  • 每個陳述都引用時間戳記 [MM:SS]。
  • 區分看到的內容(幀)與聽到的內容(轉錄稿)。不要僅根據音訊斷言視覺事實,反之亦然。
  • 如果某部分不清楚(例如兩幀之間的快速動作),請說明並使用更高靈敏度重新檢查該段落: watch ... --start MM:SS --end MM:SS --sensitivity 1 --min-gap 0.25。
  • 對於交易影片:提取進場、出場、停損、資金管理、時間框架、交易工具以及帶有參數的指標規則,並指出作者未明確說明的部分。

5. 可選:Gemini

如果存在 GEMINI_API_KEY,可以使用原生處理影片和音訊的模型請求第二意見。請事先告知使用者:影片會傳送至 Google(本機檔案會上傳並在完成後刪除)。

py -3.12 "SKILL_DIR/scripts/vervideo.py" gemini "<URL 或路徑>" --prompt "具體問題"

將其回應與您自己的幀表進行比對;未經確認請勿直接複製。

相關技能