How-to

用 Agent 看视频:yt-dlp 下载 + Whisper 转录 + ffmpeg 抽帧

今天要看一个 bug 录屏, 挺长的不想看 看到一个 skills 让 agent 去看视频流程感觉不错 https://t.co/lgXkhwEJRB 用 yt-dlp 下载视频 获取 Tran...

Why we picked it

vikingmute 分享的 skills,让 Agent 自动看视频,yt-dlp 下载、Whisper 转录、ffmpeg 抽帧,处理长录屏省事。

作者遇到一个很长的 bug 录屏,不想手动看完,于是尝试了一个开源 skills。流程用 yt-dlp 下载视频,优先获取平台自带字幕,缺失时用 MLX-Whisper 或 whisper.

Image · Viking
Body

cpp 转录。需要视觉信息时,用 ffmpeg 按场景抽帧,把帧和对应时间段的转录一起发给 Agent。

最终生成 moments.md 和 summary.

md,作者借此快速定位 bug 细节,并转给其他 Agent 修复。

Original · Viking

今天要看一个 bug 录屏, 挺长的不想看 看到一个 skills 让 agent 去看视频流程感觉不错 https://t.co/lgXkhwEJRB 用 yt-dlp 下载视频 获取 Tran...

今天要看一个 bug 录屏, 挺长的不想看 看到一个 skills 让 agent 去看视频流程感觉不错 github.com/coreyhaines31/… 用 yt-dlp 下载视频 获取 Transcript,平台自带字幕/ MLX-Whisper 或者whisper.cpp 兜底 如果需要视觉,用 ffmpeg 按场景抽帧,把帧 + 对应时间段的 transcript 一起发给 Agent,来生成汇总的 生成 moments.md 和 summary.md 最后可以按需要写入自己的知识库里面。 我这个场景它一下就很清楚的描述了 bug 的详细信息,我再给其他 agent 去修就好了。 我觉得用 agent 看视频,挺好的,尤其是适合这种沟通类或者学习类的场景📊 2 ⚡

Industry Coordinates & Source Verification

This report is categorized under AITOP's "How-to" desk. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include yt-dlp, Whisper, ffmpeg, agents.

Source attribution: curated from Viking (@vikingmute).