| api_version | v3 |
| name | video_to_text |
| description | **把本地视频转成 Markdown 文本工件**。输出时间序画面描述、OCR 和分段音轨转写,不直接给最终结论。 |
| triggers | ["视频转文本","video to text","video transcript","提取视频文本","video markdown"] |
| platform_handlers | true |
| input_schema | {"type":"object","properties":{"path":{"type":"string","description":"Absolute or workspace-relative local video path."}}} |
| permissions | {"filesystem":"workspace","shell":true,"network":"limited"} |
| entrypoint | scripts/execute.py |
Video To Text
这个 skill 的职责只有一件事:把视频转成尽量无损的 Markdown 文本工件。
启用前提:必须配置 VIDEO_TO_TEXT_WHISPER_ENDPOINT,否则不会注册视频拦截器。
原则
- 不负责下载视频;在线视频先交给
download_video。
- 不直接输出“视频总结”或最终结论。
- 主产物是 Markdown 文件,供后续继续读取、追问和总结。
用法
cd extension/skills/builtin/video_to_text
python scripts/execute.py --path /abs/path/to/video.mp4
输出
- 工件默认写到
downloads/transcripts/
- 内容包含:
- 视频元数据
- 时间序关键帧描述
- 画面文字 OCR
- 分段音轨转写
- 提取诊断