videodb

VideoDB 技能

视频、直播流和桌面会话的感知 + 记忆 + 操作。

何时使用

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式会话记忆
• 对屏幕上所说的和发生的内容运行实时警报/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 + 流媒体

• 摄取文件或 URL 并返回可播放的网络流链接
• 转码/归一化：编解码器、比特率、fps、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、内嵌
• 叠加层：文本/图像/品牌、动态字幕
• 音频：背景音乐、旁白、配音
• 通过时间线操作进行可编程合成和导出

直播流（RTSP）+ 监控

• 连接 RTSP/直播流
• 运行实时视觉和语音理解，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 / 摘要会话
• 所需操作：获取上下文用于理解、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

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"视频数量: {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

pip install "videodb[capture]" python-dotenv

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

pip install videodb python-dotenv

2. 配置 API 密钥

用户必须使用以下任一方法设置 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 console.videodb.io 获取免费 API 密钥（50 次免费上传，无需信用卡）。

不要自己读取、写入或处理 API 密钥。始终让用户设置。

快速参考

上传媒体

# 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()

在视频中搜索

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 包裹，将"No results found"视为空结果。
try:
    results = video.search("产品演示")
    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="描述此场景中的视觉内容。",
    )
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="在白板上写字的人",
        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="结束", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()

转码视频（分辨率/质量变更）

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),
)

重新构架宽高比（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：

• 尽可能始终使用 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 上裁剪视频，然后对较短的结果重新构架

from videodb import ReframeMode

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

# 完整视频的异步重新构架（返回 None，结果通过 webhook 获取）：
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})

生成式媒体

image = coll.generate_image(
    prompt="群山上方的日落",
    aspect_ratio="16:9",
)

错误处理

from videodb.exceptions import AuthenticationError, InvalidRequestError

try:
    conn = videodb.connect()
except AuthenticationError:
    print("检查你的 VIDEO_DB_API_KEY")

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

常见陷阱

场景	错误信息	解决方案
索引已索引的视频	Spoken word index for video already exists	使用 video.index_spoken_words(force=True) 跳过已索引的
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 scene_index_id
搜索未找到匹配	InvalidRequestError: No results found	捕获异常并视为空结果（shots = []）
重新构架超时	在长视频上无限阻塞	使用 start/end 限制片段，或传递 callback_url 进行异步处理
时间线上的负时间戳	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	套餐限制功能 — 告知用户套餐限制

示例

典型提示

• "启动桌面捕获，当出现密码字段时发出警报。"
• "录制我的会话，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。"
• "索引此文件夹，找到每个有人的场景，返回时间戳。"
• "生成字幕，内嵌它们，并添加轻柔的背景音乐。"
• "连接此 RTSP URL，当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 "$STATE_DIR/videodb_ws_id"
4. 运行捕获代码（完整工作流见 reference/capture.md）
5. 事件写入：$STATE_DIR/videodb_events.jsonl

每当开始新的捕获运行时使用 --clear，这样过期的转录和视觉事件不会泄漏到新会话中。

查询事件

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

参考文档位于此 SKILL.md 文件相邻的 reference/ 目录中。需要时使用 Glob 工具定位。

• reference/api-reference.md - 完整的 VideoDB Python SDK API 参考
• reference/search.md - 视频搜索深度指南（语音词和基于场景）
• reference/editor.md - 时间线编辑、资产和合成
• reference/streaming.md - HLS 流媒体和即时播放
• 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（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

当 VideoDB 支持该操作时，不要使用 ffmpeg、moviepy 或本地编码工具。 以下所有操作都由 VideoDB 在服务端处理 — 裁剪、合并片段、叠加音频或音乐、添加字幕、文本/图像叠加、转码、分辨率变更、宽高比转换、针对平台要求的尺寸调整、转录和媒体生成。仅在 reference/editor.md 限制项下列出的操作（转场、速度变更、裁剪/缩放、调色、音量混音）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	video.reframe() 或带 VideoConfig 的 conn.transcode()
需要为 Twitter/Instagram/TikTok 调整视频尺寸	video.reframe(target="vertical") 或 target="square"
需要更改分辨率（如 1080p → 720p）	带 VideoConfig(resolution=720) 的 conn.transcode()
需要在视频上叠加音频/音乐	Timeline 上的 AudioAsset
需要添加字幕	video.add_subtitle() 或 CaptionAsset
需要合并/裁剪片段	Timeline 上的 VideoAsset
需要生成旁白、音乐或音效	coll.generate_voice()、generate_music()、generate_sound_effect()

来源

此技能的参考资料已本地化存放在 skills/videodb/reference/ 下。 运行时使用上面的本地副本，而非跟踪外部仓库链接。