El autor ha lanzado Watch Skill, un proyecto de código abierto que crea un canal de indexación de vídeo local-first para Modelos de Lenguaje Grande. El sistema analiza los vídeos una vez para extraer transcripciones, datos OCR, límites de escena y fotogramas representativos, permitiendo a los LLMs recuperar pruebas sin reprocesar el vídeo.
- Recuperación híbrida que combina búsqueda de texto completo (FTS) y embeddings.
- Detección de escenas utilizada en lugar de muestreo fijo de fotogramas.
- Recuperación respaldada por marcas de tiempo asegurando que las respuestas se vinculen al vídeo original.
- Todos los datos almacenados localmente para que los vídeos indexados no salgan de la máquina.
- Exposición vía MCP, CLI y API REST para el intercambio de modelos.
El enfoque posiciona al LLM como una capa de razonamiento en lugar de una capa de procesamiento de vídeo, permitiendo a los usuarios cambiar entre diferentes modelos locales sin cambiar el canal de indexación.