TL;DR

이 스킬은 yt-dlp로 영상의 자막을 먼저 확인하고, 캡션이 없을 때만 오디오를 추출해 Whisper로 전사하며, ffmpeg로 detail 모드에 맞춰 키프레임이나 장면전환 프레임을 뽑아 Claude에 이미지로 전달한다. 프레임은 밝기 변화 기반 중복 제거를 거치고 영상 길이에 따라 자동으로 프레임 예산이 조절되어 짧은 영상은 촘촘히, 긴 영상은 --start/--end로 구간을 좁혀 다시 분석하도록 유도한다. 유튜브·틱톡·로컬 파일 등 yt-dlp가 지원하는 대부분의 소스를 다루며 Claude Code·Codex·Cursor 등 50개 이상의 호스트에 설치할 수 있다. 콘텐츠 분석, 버그 재현 영상 진단, 영상 요약, 하이프 제거 등 자막만으로는 놓치는 화면 정보가 필요한 질의에 쓸 만하다.

핵심 포인트

• 자막을 우선 시도하고 없을 때만 오디오를 추출해 Whisper로 넘기는 2단계 구조라 대부분의 공개 영상에서 비용이 거의 들지 않는다.
• 영상 길이별 자동 프레임 예산과 장면 인식 중복 제거로 30분짜리 영상도 토큰 폭발 없이 분석 가능하게 만든다.
• --detail token-burner로 프레임 캡을 풀 수 있어 10분 넘는 고밀도 영상에서도 완전한 커버리지를 선택할 수 있다.
• --timestamps로 발표자가 언급한 특정 순간의 프레임만 지정해 가져올 수 있어 초 단위 정밀 질의가 가능하다.