VideoDB 技能

针对视频、直播流和桌面会话的感知 + 记忆 + 操作。

使用场景

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片段式会话记忆
• 对所说的内容和屏幕上发生的事情运行实时警报/触发器
• 生成会话摘要、可搜索的时间线和可播放的证据链接

视频摄取 + 流

• 摄取文件或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

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

时间线编辑 + 生成

• 字幕：生成、翻译、烧录
• 叠加层：文本/图片/品牌标识，动态字幕
• 音频：背景音乐、画外音、配音
• 通过时间线操作进行程序化合成和导出

直播流（RTSP）+ 监控

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

工作原理

常见输入

• 本地文件路径、公共URL或RTSP URL
• 桌面捕获请求：启动 / 停止 / 总结会话
• 期望的操作：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、图片、片段
• 用于直播流的事件/警报负载
• 桌面会话摘要和记忆条目

运行 Python 代码

在运行任何 VideoDB 代码之前，请切换到项目目录并加载环境变量：

python
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. 项目当前目录中的 .env 文件

如果密钥缺失，videodb.connect() 会自动引发 AuthenticationError。

当简短的內联命令有效时，不要编写脚本文件。

编写內联 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。对于任何超过约3条语句的内容，请改用 heredoc：

bash
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“设置 videodb”或类似操作时：

1. 安装 SDK

bash
pip install "videodb[capture]" python-dotenv

如果在 Linux 上 videodb[capture] 失败，请安装不带捕获扩展的版本：

bash
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（在启动 Claude 之前）：export VIDEO_DB_API_KEY=your-key
• 项目 .env 文件：将 VIDEO_DB_API_KEY=your-key 保存在项目的 .env 文件中

免费获取 API 密钥，请访问 console.videodb.io（50 次免费上传，无需信用卡）。

请勿自行读取、写入或处理 API 密钥。始终让用户设置。

快速参考

上传媒体

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

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

# Local file
video = coll.upload(file_path="/path/to/video.mp4")

转录 + 字幕

python
# force=True skips the error if the video is already indexed
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

在视频内搜索

python
from videodb.exceptions import InvalidRequestError

video.index_spoken_words(force=True)

# search() raises InvalidRequestError when no results are found.
# Always wrap in try/except and treat "No results found" as empty.
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

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

# index_scenes() has no force parameter — it raises an error if a scene
# index already exists. Extract the existing index ID from the error.
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

# Use score_threshold to filter low-relevance noise (recommended: 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

重要提示： 在构建时间线之前，请务必验证时间戳：

• start 必须 >= 0（负值会被静默接受，但会产生损坏的输出）
• start 必须 < end
• end 必须 <= video.length

python
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）

python
from videodb import TranscodeMode, VideoConfig, AudioConfig

# Change resolution, quality, or aspect ratio server-side
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),
)

调整宽高比（适用于社交平台）

警告： reframe() 是一项缓慢的服务器端操作。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
• 对于全长视频，使用 callback_url 进行异步处理
• 先在 Timeline 上修剪视频，然后调整较短结果的宽高比

python
from videodb import ReframeMode

# Always prefer reframing a short segment:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# Async reframe for full-length videos (returns None, result via webhook):
video.reframe(target="vertical", callback_url="https://example.com/webhook")

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

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

生成式媒体

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

错误处理

python
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}")

常见问题

| 场景 | 错误信息 | 解决方案 | |----------|--------------|----------| | 为已索引的视频建立索引 | Spoken word index for video already exists | 使用 video.index_spoken_words(force=True) 跳过已索引的情况 | | 场景索引已存在 | Scene index with id XXXX already exists | 使用 re.search(r"id\s+([a-f0-9]+)", str(e)) 从错误中提取现有的 scene_index_id | | 搜索无匹配项 | InvalidRequestError: No results found | 捕获异常并视为空结果 (shots = []) | | 调整宽高比超时 | 长视频上无限期阻塞 | 使用 start/end 限制片段，或传递 callback_url 进行异步处理 | | Timeline 上的负时间戳 | 静默产生损坏的流 | 在创建 VideoAsset 之前，始终验证 start >= 0 | | generate_video() / create_collection() 失败 | Operation not allowed 或 maximum limit | 计划限制的功能——告知用户关于计划限制 |

示例

规范提示

• "开始桌面捕获，并在密码字段出现时发出警报。"
• "记录我的会话并在结束时生成可操作的摘要。"
• "摄取此文件并返回可播放的流链接。"
• "为此文件夹建立索引，并找到每个有人的场景，返回时间戳。"
• "生成字幕，将其烧录进去，并添加轻背景音乐。"
• "连接此 RTSP URL，并在有人进入区域时发出警报。"

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. 选择状态目录：STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
2. 启动监听器：VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
3. 获取 WebSocket ID：cat "$STATE_DIR/videodb_ws_id"
4. 运行捕获代码（完整工作流程请参阅 reference/capture.md）
5. 事件写入：$STATE_DIR/videodb_events.jsonl

每当开始新的捕获运行时，请使用 --clear，以免过时的转录和视觉事件泄露到新会话中。

查询事件

python
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
]

附加文档

参考文档位于与此 SKILL.md 文件相邻的 reference/ 目录中。如果需要，请使用 Glob 工具来定位。

• reference/api-reference.md - 完整的 VideoDB Python SDK API 参考
• reference/search.md - 视频搜索深入指南（口语词和基于场景的）
• reference/editor.md - 时间线编辑、资产和合成
• reference/streaming.md - HLS 流和即时播放
• reference/generative.md - AI 驱动的媒体生成（图像、视频、音频）
• reference/rtstream.md - 直播流摄取工作流程（RTSP/RTMP）
• reference/rtstream-reference.md - RTStream SDK 方法和 AI 管道
• reference/capture.md - 桌面捕获工作流程
• reference/capture-reference.md - Capture SDK 和 WebSocket 事件
• reference/use-cases.md - 常见的视频处理模式和示例

当 VideoDB 支持该操作时，不要使用 ffmpeg、moviepy 或本地编码工具。 以下所有操作均由 VideoDB 在服务器端处理——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、为平台要求调整大小、转录和媒体生成。仅当 reference/editor.md 中“限制”部分列出的操作（转场、速度变化、裁剪/缩放、色彩分级、音量混合）时，才回退到本地工具。

何时使用什么

| 问题 | VideoDB 解决方案 | |---------|-----------------| | 平台拒绝视频宽高比或分辨率 | 使用 VideoConfig 的 video.reframe() 或 conn.transcode() | | 需要为 Twitter/Instagram/TikTok 调整视频大小 | video.reframe(target="vertical") 或 target="square" | | 需要更改分辨率（例如 1080p → 720p） | 使用 VideoConfig(resolution=720) 的 conn.transcode() | | 需要在视频上叠加音频/音乐 | 在 Timeline 上使用 AudioAsset | | 需要添加字幕 | video.add_subtitle() 或 CaptionAsset | | 需要合并/修剪片段 | 在 Timeline 上使用 VideoAsset | | 需要生成画外音、音乐或音效 | coll.generate_voice()、generate_music()、generate_sound_effect() |

来源

此技能的参考材料在 skills/videodb/reference/ 下本地提供。 请使用上面的本地副本，而不是在运行时遵循外部存储库链接。

维护者： VideoDB