SuperAPI AI 工具集

video-explorer

设计与创作

查看项目

更新于 10-15 20:31

技能介绍

用途:video-explorer 用于分析视频文件。由于模型无法直接处理视频,该技能通过分层抽帧来理解内容,思路是先总览、再定位感兴趣区域、最后放大细节。

主要能力与用法:

  1. 总览:运行 ./skills/video-explorer/scripts/videx overview <video>,在 ./videx-out/<name>/overview/ 生成 320px、每 10 秒一帧的小图,用 Read 工具查看 jpg 以了解视频结构。总览默认在每个采样点抽取 3 帧(t-δ、t、t+δ),文件后缀为 _a、_b、_c,需一起对比;δ 默认 0.1 秒,可用 --triplet 调整(0.5 用于场景切换,1.0 用于缓慢变化内容)。
  2. 定位区域:查看总览后,找出需要更多细节或存在动作的时间点。
  3. 放大:用 ./skills/video-explorer/scripts/videx range <video> <start>-<end> 抽取片段(1280px、2fps),可加 --fps=10 捕捉快速动作,或加 --triplet=0.1;用 ./skills/video-explorer/scripts/videx zoom <video> <time> 获取单帧细节(1920px),加 --hd 获得全分辨率。
  4. 迭代:按需重复放大,直到回答完问题。

时间格式支持 1:30、01:30:00、90、1:30.5。输出按时间戳命名,保存在 ./videx-out/ 下,分为 overview、range_*、zoom 等目录。

适用场景:分析讲座、演示、UI 操作等视频,定位特定时间点发生的变化。

限制:资料未提供支持的视频格式、依赖环境、安装方式及性能上限等信息。