view --main video-understanding-ii-dlya-analiza-i-ponimaniya-videokontenta.md

video-understanding — ИИ для анализа и понимания видеоконтента

Name: video-understanding — ИИ для анализа и понимания видеоконтента
Author: openclaw/skills

Решение сложной задачи извлечения информации из видеоконтента стало доступным благодаря искусственному интеллекту. Инструмент анализирует видео, используя возможности Google Gemini, предоставляя точные расшифровки, подробные описания, краткие содержания и ответы на вопросы, основанные на визуальном и аудио сопровождении. Поддерживается более 1000 источников видео, что обеспечивает гибкость в работе с различными платформами.

Функциональность инструмента включает в себя автоматическую транскрибацию с указанием временных меток, генерацию описаний визуального контента (люди, окружение, интерфейс, текст на экране), а также ответы на вопросы, сформулированные пользователем. В основе лежит большая языковая модель Google Gemini, обеспечивающая глубокое понимание контекста и нюансов видео. Для работы требуется переменная окружения GEMINI_API_KEY.

Инструмент позволяет автоматизировать рутинные задачи анализа видео, предоставляя структурированный JSON-вывод, содержащий расшифровку, описание, краткое содержание, продолжительность и, при необходимости, ответы на вопросы. Это открывает новые возможности для создания AI-агентов и автоматизации процессов, связанных с обработкой видеоданных.

$ git log --oneline --stat

⭐ звёзды: 3,588

форки: 1,007

обновлено: 30 марта 2026 года в 08:04

Проводник файлов

1 файлы

SKILL.md

readonly --- lines

--- name: video-understanding description: > Analyze videos with Google Gemini multimodal AI. Download from any URL (Loom, YouTube, TikTok, Vimeo, Twitter/X, Instagram, 1000+ sites) and get transcripts, descriptions, and answers to questions. Use when asked to watch, analyze, summarize, or transcribe a video, or answer questions about video content. Triggers on video URLs or requests involving video understanding. compatibility: "Requires yt-dlp, ffmpeg, and GEMINI_API_KEY environment variable. Python 3.10+ with uv." metadata: openclaw: emoji: "🎬" requires: bins: ["yt-dlp", "ffmpeg"] env: ["GEMINI_API_KEY"] primaryEnv: "GEMINI_API_KEY" install: - id: "yt-dlp-brew" kind: "brew" formula: "yt-dlp" bins: ["yt-dlp"] label: "Install yt-dlp (brew)" - id: "ffmpeg-brew" kind: "brew" formula: "ffmpeg" bins: ["ffmpeg"] label: "Install ffmpeg (brew)" --- # Video Understanding (Gemini) Analyze videos using Google Gemini's multimodal video understanding. Supports 1000+ video sources via yt-dlp. ## Requirements - `yt-dlp` — `brew install yt-dlp` / `pip install yt-dlp` - `ffmpeg` — `brew install ffmpeg` (for merging video+audio streams) - `GEMINI_API_KEY` environment variable ## Default Output Returns structured JSON: - **transcript** — Verbatim transcript with `[MM:SS]` timestamps - **description** — Visual description (people, setting, UI, text on screen, flow) - **summary** — 2-3 sentence summary - **duration_seconds** — Estimated duration - **speakers** — Identified speakers ## Usage ### Analyze a video (structured JSON output) ```bash uv run {baseDir}/scripts/analyze_video.py "<video-url>" ``` ### Ask a question (adds "answer" field) ```bash uv run {baseDir}/scripts/analyze_video.py "<video-url>" -q "What product is shown?" ``` ### Override prompt entirely ```bash uv run {baseDir}/scripts/analyze_video.py "<video-url>" -p "Custom prompt" --raw ``` ### Download only (no analysis) ```bash uv run {baseDir}/scripts/analyze_video.py "<video-url>" --download-only -o video.mp4 ``` ## Options | Flag | Description | Default | |------|-------------|---------| | `-q` / `--question` | Question to answer (added to default fields) | none | | `-p` / `--prompt` | Override entire prompt (ignores -q) | structured JSON | | `-m` / `--model` | Gemini model | gemini-2.5-flash | | `-o` / `--output` | Save output to file | stdout | | `--keep` | Keep downloaded video file | false | | `--download-only` | Download only, skip analysis | false | | `--max-size` | Max file size in MB | 500 | | `--raw` | Raw text output instead of JSON | false | ## How It Works 1. **YouTube URLs** → Passed directly to Gemini (no download needed) 2. **All other URLs** → Downloaded via yt-dlp → uploaded to Gemini File API → poll until processed 3. Gemini analyzes video with structured prompt → returns JSON 4. Temp files and Gemini uploads cleaned up automatically ## Supported Sources Any URL supported by [yt-dlp](https://github.com/yt-dlp/yt-dlp/blob/master/supportedsites.md): Loom, YouTube, TikTok, Vimeo, Twitter/X, Instagram, Dailymotion, Twitch, and 1000+ more. ## Tips - Use `-q` for targeted questions on top of the full analysis - YouTube is fastest (no download step) - Large videos (10min+) work fine — Gemini File API supports up to 2GB (free) / 20GB (paid) - The script auto-installs Python dependencies via `uv`

Инициализация мануала...