Sua IA assiste os vídeos por você

Você quer o que está no vídeo, não o vídeo

Um tutorial de quarenta minutos tem três minutos que te interessam. Uma call gravada tem uma decisão no meio de uma hora de conversa. Uma playlist sobre um assunto tem a resposta espalhada em seis vídeos. Pra chegar nisso hoje, você assiste tudo, finge que assistiu no 2x, e torce pra não perder a parte que importa.

E quando você cola o link num assistente de IA, ele não assistiu nada. Responde pelo título, ou por uma transcrição solta que ignora tudo que aparece na tela. Você recebe um resumo genérico de um vídeo que ninguém, nem você nem a máquina, de fato viu.

O que muda

Este é um comando que dá ao seu agente de IA um sentido que ele não tem de fábrica: assistir vídeo. Você cola uma URL (YouTube e a maioria dos sites de vídeo) ou aponta um arquivo do seu computador, faz a pergunta, e ele volta com a resposta fundamentada no que foi falado e no que apareceu na tela, com a marca de tempo de cada coisa. Quando o vídeo tem legenda, ele usa a legenda, de graça. Quando não tem, ele ouve o áudio.

A diferença é essa: a resposta vem de quem viu e ouviu o vídeo, não de quem leu o título. E o caso que mais rende é o que junta vários: você joga um punhado de vídeos sobre o mesmo assunto e pede pra compilar num lugar só. O que estava espalhado em horas de gente falando vira uma página de notas que você lê em minutos.

O que vem no pacote

• A skill /watch, completa: a peça que o agente lê e os scripts que fazem o trabalho, fixados nesta versão pra funcionar offline e não mudar embaixo de você.
• Um guia em português que instala do zero em qualquer agente que roda skills, configura a transcrição, e traz o passo a passo de transformar vários vídeos sobre um assunto num relatório único.
• A licença original (MIT) do autor, junto.

O que ele NÃO faz

• Não é um aplicativo com botão. Ele roda dentro do seu agente de IA (Claude Code, Codex, Cursor, Gemini CLI, ou o Claude no navegador com execução de código). Sem um desses, não há onde rodar.
• Precisa de Python e de dois programas de linha de comando na sua máquina. O guia instala pra você no Mac e te dá o comando exato no Linux e no Windows, mas você precisa poder instalar programa no computador que usa.
• Vídeo sem legenda depende de uma chave de transcrição sua (Groq ou OpenAI). É barata e só entra quando não existe legenda, mas a conta é sua. Sem ela, um vídeo sem legenda volta só com as imagens.
• Vídeo longo, acima de uns dez minutos, no modo padrão vira uma varredura esparsa. Pra detalhe fino, você aponta um trecho (começo e fim) e ele olha aquilo de perto.
• Não faz login em conta nenhuma e não abre vídeo privado: pega vídeo público ou arquivo que já é seu.
• Não manda o vídeo pra lugar nenhum. Quando precisa transcrever sem legenda, sai só um trecho curto de áudio pra API que você escolheu, e nada além disso.

Pra quem é

Pra você que aprende no vídeo dos outros e quer o essencial de um tutorial, uma aula ou uma palestra sem passar a tarde inteira dentro dela. E pra você que já entrega com IA e quer uma capacidade nova no seu agente, além de um jeito de virar um canal ou uma playlist numa base de notas que dá pra buscar depois.

Não é pra quem quer um app de resumo pronto, com botão, sem instalar nada: aqui a peça vive dentro do seu agente. E não é pra quem não pode instalar programa no computador que usa.

De onde vem

A skill é open source, feita por Brad Bonanno sob licença MIT. Você recebe uma cópia fixada da versão, com a licença junto. A comunidade empacotou, traduziu o guia de instalação para o português e somou o passo a passo de compilar vários vídeos num lugar só. É de graça porque a base já é aberta: o que a gente cobra em outros produtos é o trabalho de reunir, traduzir e testar, e aqui esse trabalho fica de cortesia, como porta de entrada.