Skip to content

Releases

v0.1.8

Choose a tag to compare

@github-actions github-actions released this 17 Nov 00:53
Video2Agent 0.1.8

v0.1.7

Choose a tag to compare

@github-actions github-actions released this 16 Nov 22:12
Video2Agent 0.1.7

v0.1.6

Choose a tag to compare

@github-actions github-actions released this 16 Nov 06:21
Video2Agent 0.1.6

v0.1.5

Choose a tag to compare

@github-actions github-actions released this 16 Nov 05:51
Video2Agent 0.1.5

v0.1.4

Choose a tag to compare

@github-actions github-actions released this 16 Nov 05:46
Video2Agent 0.1.4

v0.1.3

Choose a tag to compare

@github-actions github-actions released this 16 Nov 05:39
Video2Agent 0.1.3

v0.1.2

Choose a tag to compare

@github-actions github-actions released this 16 Nov 02:02
Video2Agent 0.1.2

Video2Agent 0.1.1

Choose a tag to compare

@Harm0ny-AI Harm0ny-AI released this 15 Nov 12:25

Video2Agent 0.1.1

同一批修复的补丁版本。安装方式不变:

pip install -U video2agent
dsh plugin --profile web add dsh-video2agent

修复

  • 能读到视频结尾。 read/evidence 的结尾时间在媒体结束的 2%(或 2 秒)
    以内时,自动截到最后可引用时刻并给 RANGE_CLAMPED 提示,不再报
    E_OUT_OF_RANGE;裸数字如果按秒解读荒谬、按毫秒却在范围内,就按毫秒读取
    (TIME_UNIT_FIXED)。真正超出范围仍会报错。
  • 中文音频不再被识别成日语。 B 站中文标题的无字幕视频默认用 zh 转写;
    标题带假名(日文内容)保持自动检测;ingest 支持显式 language,overview
    记录实际使用的语言。
  • 批量进度环跟着真正在处理的视频走。 之前会套在排队的行上,而另一行才显示
    「正在处理」。
  • 一次等待不会再让调用被杀。 单次 wait_ms 上限 90 秒(程序约 120 秒超时),
    超时返回真实的 state/stage:排队中的任务会明确显示排队,而不是看起来在跑。

验证

真实库上重放完整读取链路(读到结尾、毫秒参数、三视频对比、检索、取帧、候选镜头)
9/9 通过;Python 494 项测试、5 个 Node harness、ruff 全部通过。

产物

  • video2agent-0.1.1-py3-none-any.whl
  • video2agent-0.1.1.tar.gz
  • dsh-video2agent-0.1.1.tgz

Video2Agent 0.1.0

Choose a tag to compare

@Harm0ny-AI Harm0ny-AI released this 15 Nov 06:03

DSH-Video2Agent 0.1.0

让 DSH 获得视频检索与理解能力!

DSH-Video2Agent 把本地视频和 B 站链接变成 DSH 能跨视频检索、能批量阅读的数据源:转写、场景、画面上的字(OCR)、抽帧都在一个索引里。问一句,先在库里找片段;几个视频,可以一次交给 Agent 读完再做对比。它同时是一个 DSH 插件(dsh-video2agent)、一个 CLI(video2agent)和一个 Agent Skill。

三件事

1. 视频检索:跨视频找信息

一两百个视频,不用一个个点开。问“错误处理有哪些常见坑”,默认跨库搜(最多 200 个视频),返回相关片段、出自哪个视频、几分几秒;只想看一个视频或一个合集时加 --video / --collection。转写、场景、画面上的字(OCR)和抽帧都进索引,搜索只回文字和时间码,不塞图片。

2. 批量分析:多个视频一起读,比较观点

把 3–10 个同一主题的视频一次交给它(插件一次最多处理 10 个)。Agent 逐个读取每个视频的概览和转写,再把重点、共识和分歧摆在一起——对比是读完之后做的,不是内置的一键报告。重要结论带出处视频和时间码。

3. B 站账户(可选):搜得到、存得下、理得清

登录后能按关键词在 B 站找候选视频,按上传者、发布时间过滤,一次启动 1–10 个;也能读收藏夹、历史、文件夹,生成分类方案,确认后建夹、改名、添加视频。扫码登录还会解锁 CC/AI 字幕——B 站接口可能遇到 412 或风控,失败会明确提示。

在 DSH 里

输入框上方的处理表、链接预览、设置页;Agent 直接调用 video2agent 工具,一次最多启动 10 个视频。本地 ASR/OCR 不上传;evidence 帧/文本会交给宿主模型(云端模型即离机);云端 ASR/OCR 可选,需要服务商 Key;Windows 上 Key 走 DPAPI。

安装

已发布到 PyPI 和 npm,两步装完:

pip install video2agent          # CLI + Skill
dsh plugin --profile web add dsh-video2agent   # DSH 插件

首次使用可以跑一次自检和 Skill 安装:

video2agent setup
video2agent doctor

不想用包管理器时,也可以从本 Release 的附件安装:

pip install video2agent-0.1.0-py3-none-any.whl
dsh plugin --profile <profile> add ./dsh-video2agent-0.1.0.tgz

首次使用要准备语音模型(有字幕的视频可跳过):

video2agent models download --model small

已知限制

  • 画面上的字(OCR)是稀疏、启发式的;默认按需识别,全片索引要显式 video2agent ocr-index。
  • ASR 对术语、公式、口音不完美;B 站可用性依赖公开接口和 yt-dlp。
  • 库级搜索默认覆盖最近 200 个视频;要精确范围用 --collection 或 --video。
  • 云端 ASR/OCR 需要兼容 OpenAI 的服务商 Key;远程 Base URL 必须 HTTPS。
  • 账号工具使用 B 站未公开的 Web API;登录过期、412/风控、接口变化会明确报错。

许可

Apache-2.0。FFmpeg 不随包分发;Whisper 权重不隐式下载。