cajuos
← Blog
Mídia pra Agents

Transcreva qualquer vídeo sem yt-dlp: áudio direto pro agent

URL com vídeo entra, áudio AAC pronto pra transcrição sai. API pública + MCP remoto, sem yt-dlp, sem ffmpeg, sem setup local.

O problema

Você quer que um agent transcreva ou pesquise dentro de um vídeo. Aí começa a saga:

  • Instalar yt-dlp e mantê-lo atualizado
  • Instalar ffmpeg
  • Descobrir qual formato tem áudio extraível
  • Baixar 200MB de vídeo pra extrair 5MB de áudio
  • Repetir tudo em outra máquina

Serviços fechados de transcrição pedem a URL do YouTube, não funcionam com a página que você tem.

A tool

A Tool #3 do CajuOS é uma API pública + MCP remoto que transforma qualquer página com vídeo em dados LLM-ready:

  • Metadados: lista de mídias da página, em JSON
  • Áudio pronto: AAC extraído do HLS, sem re-encode, direto pra transcrição
  • Vídeo original: proxy do arquivo ou do stream concatenado

O agent fala com ela nativamente via MCP. Nada de ferramenta local.

Como funciona

Mesmo motor de extração do video-dl (a Tool #2): procura mp4/m4v/webm/mkv no HTML e manifestos HLS. A novidade é o caminho do áudio:

  • HLS com áudio em TS: o worker demuxa o stream e entrega AAC ADTS puro. Sem re-encode, sem ffmpeg: os frames de áudio saem direto dos segmentos
  • MP3 direto: proxy com Range
  • O resultado toca em qualquer player e qualquer ferramenta de transcrição lê

Exemplo

# metadados
curl 'https://media.cajuos.dev/media?url=https://exemplo.com/video'

# áudio pronto pra transcrever
curl 'https://media.cajuos.dev/media/audio?url=https://exemplo.com/video' -o audio.aac

No agent, em vez de curl, é só configurar o MCP:

// claude code
claude mcp add --transport http caju-agents https://media.cajuos.dev/mcp

E pedir: "transcreve o áudio desta página e me dá o resumo".

Limitações honestas

  • Plano free: 50 subrequests por invocação no Cloudflare, então HLS de até ~46 segmentos (~5min) funciona; maior retorna erro claro (hls-too-long). MP4/MP3 diretos não têm esse teto
  • HLS ao vivo não é suportado (VOD só)
  • fMP4 (streaming moderno sem TS) ainda não tem extração de áudio
  • Rate limit por IP: 30/min em /media, 10/min em áudio e vídeo
  • Site que exige login pode bloquear a leitura

Onde