Initial commit: Twitch Stream Vision Analyzer

Async pipeline: streamlink + ffmpeg frame capture → Gemini Vision API analysis → rich console output + log file.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

analyzer.py

@@ -0,0 +1,77 @@
+import base64
+
+from google import genai
+from google.genai import types
+
+SYSTEM_PROMPT_RU = (
+    "Ты анализируешь кадры с Twitch-стрима. "
+    "Кратко опиши что происходит на экране: игра, действия стримера, "
+    "интерфейс, чат, оверлеи. Будь лаконичен (2-3 предложения). "
+    "Если ничего не изменилось по сравнению с предыдущим описанием, "
+    "скажи 'Без изменений' и уточни только новые детали."
+)
+
+SYSTEM_PROMPT_EN = (
+    "You are analyzing frames from a Twitch stream. "
+    "Briefly describe what's happening on screen: game, streamer actions, "
+    "UI, chat, overlays. Be concise (2-3 sentences). "
+    "If nothing changed compared to the previous description, "
+    "say 'No changes' and only note new details."
+)
+
+
+class VisionAnalyzer:
+    def __init__(self, api_key: str, base_url: str | None = None, lang: str = "ru"):
+        client_kwargs = {"api_key": api_key}
+        if base_url:
+            client_kwargs["http_options"] = types.HttpOptions(base_url=base_url)
+        self.client = genai.Client(**client_kwargs)
+        self.model = "gemini-2.0-flash"
+        self.system_prompt = SYSTEM_PROMPT_RU if lang == "ru" else SYSTEM_PROMPT_EN
+        self.previous_description: str | None = None
+
+    async def analyze_frame(self, frame_data: bytes) -> str:
+        b64_image = base64.b64encode(frame_data).decode("utf-8")
+
+        contents = []
+        if self.previous_description:
+            contents.append(
+                types.Content(
+                    role="user",
+                    parts=[
+                        types.Part.from_text(
+                            text=f"Предыдущее описание: {self.previous_description}"
+                        )
+                    ],
+                )
+            )
+            contents.append(
+                types.Content(
+                    role="model",
+                    parts=[types.Part.from_text(text="Понял, учту контекст.")],
+                )
+            )
+
+        contents.append(
+            types.Content(
+                role="user",
+                parts=[
+                    types.Part.from_bytes(data=frame_data, mime_type="image/jpeg"),
+                    types.Part.from_text(text="Опиши что сейчас происходит на стриме."),
+                ],
+            )
+        )
+
+        response = await self.client.aio.models.generate_content(
+            model=self.model,
+            contents=contents,
+            config=types.GenerateContentConfig(
+                system_instruction=self.system_prompt,
+                max_output_tokens=300,
+                temperature=0.3,
+            ),
+        )
+
+        description = response.text or "(нет описания)"
+        self.previous_description = description
+        return description