Videodb

VideoDB 技能

视频、直播流和桌面会话的感知 + 记忆 + 操作。

在以下情况使用此技能：

何时使用

• 需要对文件、URL、桌面会话或直播流进行视频或音频感知、索引、搜索或时间线编辑。
• 任务涉及时间戳、可搜索证据、字幕、片段、叠加层或实时监控警报。
• 您希望用一个工作流整合摄入、理解、检索和媒体操作。

1) 桌面感知

• 启动/停止桌面会话，捕获屏幕、麦克风和系统音频
• 流式传输实时上下文并存储情景会话记忆
• 对屏幕上所说内容和发生的事情运行实时警报/触发器
• 生成会话摘要、可搜索时间线和可播放证据链接

2) 视频摄入 + 流式传输

• 摄入文件或 URL并返回可播放的网络流链接
• 转码/标准化：编解码器、比特率、帧率、分辨率、宽高比

3) 索引 + 搜索（时间戳 + 证据）

• 构建视觉、语音和关键词索引
• 搜索并返回带有时间戳和可播放证据的精确时刻
• 从搜索结果自动创建片段

4) 时间线编辑 + 生成

• 字幕：生成、翻译、烧录
• 叠加层：文本/图像/品牌标识、动态字幕
• 音频：背景音乐、旁白、配音
• 通过时间线操作进行程序化组合和导出

5) 直播流 (RTSP) + 监控

• 连接RTSP/直播源
• 运行实时视觉和语音理解，为监控工作流发出事件/警报

常见输入

• 本地文件路径、公开URL或RTSP URL
• 桌面捕获请求：启动 / 停止 / 摘要会话
• 所需操作：获取理解上下文、转码规格、索引规格、搜索查询、片段范围、时间线编辑、警报规则

常见输出

• 流 URL
• 带有时间戳和证据链接的搜索结果
• 生成的资产：字幕、音频、图像、片段
• 直播流的事件/警报载荷
• 桌面会话摘要和记忆条目

规范提示词（示例）

• "Start desktop capture and alert when a password field appears."
• "Record my session and produce an actionable summary when it ends."
• "Ingest this file and return a playable stream link."
• "Index this folder and find every scene with people, return timestamps."
• "Generate subtitles, burn them in, and add light background music."
• "Connect this RTSP URL and alert when a person enters the zone."

运行 Python 代码

在运行任何 VideoDB 代码之前，切换到项目目录并加载环境变量：

from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()

这会从以下位置读取 VIDEO_DB_API_KEY：

1. 环境变量（如果已导出）
2. 当前目录中项目的 .env 文件

如果密钥缺失，videodb.connect() 会自动抛出 AuthenticationError。

当简短的内联命令可行时，不要编写脚本文件。

编写内联 Python（python -c "..."）时，始终使用格式正确的代码——使用分号分隔语句并保持可读性。对于超过约3条语句的内容，改用 heredoc：

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

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

设置

当用户要求"setup videodb"或类似内容时：

1. 安装 SDK

pip install "videodb[capture]" python-dotenv

如果 videodb[capture] 在 Linux 上失败，请安装不带 capture 扩展的版本：

pip install videodb python-dotenv

2. 配置 API 密钥

用户必须使用任一方法设置 VIDEO_DB_API_KEY：

• 在终端中导出（启动 Claude 之前）：export VIDEO_DB_API_KEY=your-key
• 项目 .env 文件：在项目的 .env 文件中保存 VIDEO_DB_API_KEY=your-key

在 https://console.videodb.io 获取免费 API 密钥（50次免费上传，无需信用卡）。

不要自行读取、写入或处理 API 密钥。始终让用户设置它。

快速参考

上传媒体

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

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

# 本地文件
video = coll.upload(file_path="/path/to/video.mp4")

转录 + 字幕

# force=True 跳过视频已索引时的错误
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

视频内搜索

from videodb.exceptions import InvalidRequestError

video.index_spoken_words(force=True)

# search() 在未找到结果时抛出 InvalidRequestError。
# 始终用 try/except 包装，并将"No results found"视为空结果。
try:
    results = video.search("product demo")
    shots = results.get_shots()
    stream_url = results.compile()
except InvalidRequestError as e:
    if "No results found" in str(e):
        shots = []
    else:
        raise

场景搜索

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

# index_scenes() 没有 force 参数——如果场景索引
# 已存在，它会抛出错误。从错误中提取现有索引 ID。
try:
    scene_index_id = video.index_scenes(
        extraction_type=SceneExtractionType.shot_based,
        prompt="Describe the visual content in this scene.",
    )
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 过滤低相关性噪音（推荐：0.3+）
try:
    results = video.search(
        query="person writing on a whiteboard",
        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 "No results found" in str(e):
        shots = []
    else:
        raise

时间线编辑

重要： 在构建时间线之前始终验证时间戳：

• start 必须 >= 0（负值会被静默接受但产生损坏的输出）
• start 必须 < end
• end 必须 <= 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="The End", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()

转码视频（分辨率/质量更改）

from videodb import TranscodeMode, VideoConfig, AudioConfig

# 服务端更改分辨率、质量或宽高比
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),
)

重构宽高比（用于社交平台）

警告： reframe() 是一个缓慢的服务端操作。对于长视频，可能需要几分钟并可能超时。最佳实践：

• 尽可能使用 start/end 限制为短片段
• 对于完整长度的视频，使用 callback_url 进行异步处理
• 先在 Timeline 上修剪视频，然后对较短的结果进行重构

from videodb import ReframeMode

# 始终优先重构短片段：
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# 完整长度视频的异步重构（返回 None，结果通过 webhook）：
video.reframe(target="vertical", callback_url="https://example.com/webhook")

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

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

生成媒体

image = coll.generate_image(
    prompt="a sunset over mountains",
    aspect_ratio="16:9",
)

错误处理

from videodb.exceptions import AuthenticationError, InvalidRequestError

try:
    conn = videodb.connect()
except AuthenticationError:
    print("Check your VIDEO_DB_API_KEY")

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

常见陷阱

附加文档

参考文档位于此 SKILL.md 文件相邻的 reference/ 目录中。如需定位，请使用 Glob 工具。

• reference/api-reference.md - 完整的 VideoDB Python SDK API 参考
• reference/search.md - 视频搜索深入指南（语音和基于场景）
• reference/editor.md - 时间线编辑、资产和组合
• reference/streaming.md - HLS 流式传输和即时播放
• reference/generative.md - AI 驱动的媒体生成（图像、视频、音频）
• reference/rtstream.md - 直播流摄入工作流 (RTSP/RTMP)
• reference/rtstream-reference.md - RTStream SDK 方法和 AI 管道
• reference/capture.md - 桌面捕获工作流
• reference/capture-reference.md - 捕获 SDK 和 WebSocket 事件
• reference/use-cases.md - 常见视频处理模式和示例

屏幕录制（桌面捕获）

使用 ws_listener.py 在录制会话期间捕获 WebSocket 事件。桌面捕获仅支持 macOS。

快速开始

1. 启动监听器：python scripts/ws_listener.py &
2. 获取 WebSocket ID：cat /tmp/videodb_ws_id
3. 运行捕获代码（完整工作流见 reference/capture.md）
4. 事件写入：/tmp/videodb_events.jsonl

查询事件

import json
events = [json.loads(l) for l in open("/tmp/videodb_events.jsonl")]

# 获取所有转录文本
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]

# 获取最近5分钟的视觉描述
import time
cutoff = time.time() - 300
recent_visual = [e for e in events 
                 if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff]

实用脚本

• scripts/ws_listener.py - WebSocket 事件监听器（转储到 JSONL）

完整捕获工作流见 reference/capture.md。

当 VideoDB 支持该操作时，不要使用 ffmpeg、moviepy 或本地编码工具。 以下操作均由 VideoDB 服务端处理——修剪、合并片段、叠加音频或音乐、添加字幕、文本/图像叠加层、转码、分辨率更改、宽高比转换、针对平台要求调整大小、转录和媒体生成。仅对 reference/editor.md 中限制下列出的操作回退到本地工具（转场、速度更改、裁剪/缩放、色彩分级、音量混合）。

何时使用什么

仓库

https://github.com/video-db/skills

维护者： VideoDB

限制

• 仅当任务明确匹配上述范围时使用此技能。
• 不要将输出视为环境特定验证、测试或专家审查的替代品。
• 如果缺少必需的输入、权限、安全边界或成功标准，请停止并请求澄清。