Sieh dir das Video nicht an — lass es dir zusammenfassen.

Video Debrief verwandelt jedes Video — Webinar, Werbespot, Tutorial, eigenes Recording — in Minuten in eine Zusammenfassung plus eine durchsuchbare Timeline aus Transcript und Bildbeschreibung. Du sparst dir das Ansehen und behältst trotzdem alles: jede Zahl, jeden eingeblendeten Text, jeden Schnitt.

Und das Beste: alles läuft lokal. Kein Cloud-Upload, kein API-Zwang, keine fremden Server. Ein lokales Vision-Modell beschreibt die Bilder, Whisper transkribiert das Audio, dein Agent schreibt die Summary. Dein Material bleibt auf deiner Maschine.

Video Debrief ist ein Skill für Claude Code (läuft auch in Cursor und anderen agentischen Systemen) — und die Python-Pipeline funktioniert genauso standalone im Terminal.

Was es macht (4 lokale Stufen)

1. Download / Locate — yt-dlp lädt das Video (URL) oder nimmt deine lokale Datei.
2. Scene-Detection — ffmpeg findet jeden harten Schnitt plus Heartbeat-Frames in langen statischen Passagen.
3. Transcript — Auto-Captions, whisper.cpp oder faster-whisper (du wählst).
4. Vision — ein lokales Vision-Modell beschreibt jeden Scene-Frame in 5 Sätzen inkl. OCR.