analyze-video

SKILL.md

Add visual descriptions to audio transcripts by extracting JPG frames with ffmpeg and analyzing them. Never read video files directly - extract frames first.

Videos must have audio transcripts. Run transcribe-audio skill first if needed.

Don't read the audio transcript, just copy it and then prepare it by using the preparevisualscript.rb file. This removes word-level timing data and prettifies the JSON for easier editing:

ffmpeg でビデオ フレームを抽出して分析することで、トランスクリプトに視覚的な説明を追加します。ビデオ クリップの定期的な視覚的な説明を含む視覚的なトランスクリプトを作成します。すべてのファイルに音声トランスクリプトが存在する (transcript) が、ビジュアル トランスクリプトがまだ作成されていない (visual_transcript) 場合に使用します。 ソース: barefootford/buttercut。

原文を見る