360 Secure SkillHub
360 安全技能中心

Video Analyzer

这是全程离线运行的本地视频结构化分析工具，支持输入本地视频、主流短视频平台链接或纯音频文件。可实现语音转写、场景切割、画面OCR、说话人分离、时间戳摘要，还能提供高光检测、自动剪辑建议、一键成片、字幕翻译、智能封面选取、剪映/EDL导出等能力，输出离线HTML报告、结构化数据、Markdown剧本及切片素材，自带环境自检、快速体验模式，适配多短视频平台规格，适合内容整理、视频创作场景。

fyniujin
fyniujin
热度 38.26
最近更新 2026-10-09 11:38:57
分类：效率依赖：代码执行 / 读写文件 / 第三方 API / 内部调用大模型应用场景：视频编辑 / 摘要总结 / 翻译 / 数据处理 ...

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add video-analyzer-local
Metadata
slug
video-analyzer-local
displayName
视频分析处理
name
video-analyzer
description
视频分析处理 — 本地视频反编译分析工具。将视频拆解为时间轴剧本、语音转文字、场景分析、跨模态关联和精华摘要，支持多ASR引擎切换（Whisper/Paraformer/SenseVoice）、中文NLP增强、PaddleOCR中文识别。v4.0 新增短视频平台适配（抖音/快手/B站/视频号）和自动剪辑建议（高光检测/冗余标记/EDL导出/字幕样式）。v4.1 新增tiny模型优先体验（75MB低门槛）、说话人分离质量评分、剪映draft.json导出。v4.2 新增场景管理（detect→slice一条链）、短视频爆款预测、实时直播分析（流式ASR+敏感词检测）。v4.3 新增纯音频输入（mp3/m4a/wav播客与录音）、批量队列（SQLite+硬件档位并发）、GPU自动加速（CT2 int8量化）、ASR配置统一（--asr-engine单参数）。v4.4 新增一键成片（ffmpeg filter_complex 自动剪辑+平台规格包导出）、封面帧智能选取（Laplacian+人脸+三分法构图）、自动字幕翻译（cn-llm-router桥接，EN/JP/KO）、BGM识别（chromaprint指纹+本地库匹配）、剪映6.0适配+EDL导入指南。v4.5.0 新增首跑自检（doctor 探测 ffmpeg/模型/磁盘/内存/GPU + 修复命令清单）、模型下载链路（进度可视化+3次重试+断点续传+清华镜像交互提示）、--quick 快速模式（仅转写+摘要，5分钟出稿）、首跑「下一步建议」（功能发现引导）。
version
4.5.0
tags
["video","analysis","transcription","local-offline","chinese","asr","auto-edit","subtitle-translate","bgm-detect","doctor","quick-mode"]
icon
🎬
author
njskills
license
MIT

视频分析处理 — video-analyzer

概述

将视频"反编译"为结构化分析报告的本地工具，全程离线，无需联网。

核心能力：

  • 🎙️ 语音转文字（精确到每个字的时间戳，含说话人分离）
  • 🎬 场景边界切割与章节切片
  • 🔍 视觉物体与画面文字识别
  • 📊 多模态时空对齐（声音 ↔ 画面 ↔ 文字）
  • ✨ 带时间戳的精华摘要
  • ✂️ 视频章节切片 + 独立SRT字幕
  • 🗣️ 说话人分离标注
  • 📱 短视频平台适配（抖音/快手/B站/视频号，自动识别链接+下载+平台分析）
  • 🎬 自动剪辑建议（高光检测/冗余标记/时间线生成/EDL导出/字幕样式）
  • 📄 交互报告输出（HTML + JSON + Markdown）

快速开始

第一次使用前

⚠️ 模型下载提醒：首次运行会自动下载语音识别模型。v4.1 起默认使用 tiny 模型（约 75MB），如需更高精度可加 --model small 切换到 small 模型（约 466MB）。国内用户建议先执行以下命令加速：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

下载完成后后续使用无需重复下载。

💡 v4.5.0 新增：首次使用前建议先运行 --doctor 自检环境，缺什么一目了然。快速体验用 --quick 5分钟出稿。

基本用法

python main.py --input "视频路径或URL" --output "./output"

使用场景示例

场景 命令
快速提取一个本地 MP4 的全部内容 python main.py -i my_video.mp4
分析某条新闻视频，只看字幕（最快，跳过分析） python main.py -i news.mp4 --no-visual
下载并分析一段 YouTube/B站视频 python main.py -i "https://www.youtube.com/watch?v=..."
视频分析可视化报告，仅输出 HTML python main.py -i video.mp4 --format html
分析 YouTube健身视频，提取精华片段 python main.py -i "https://..." --model medium --lang zh
老旧笔记本，限制资源跑语音识别 python main.py -i video.mp4 --no-visual --max-memory 2 --nice 15
只看时间轴剧本（不生成报告） python main.py -i video.mp4 --scenes-only
按场景章节切片视频，每段带SRT字幕 python main.py -i video.mp4 --slice-chapters
多人对话场景，分离说话人 python main.py -i meeting.mp4 --diarize
跳过更新检查（纯离线环境） python main.py -i video.mp4 --no-update-check
分析抖音视频（自动识别+下载+平台分析） python main.py -i "https://v.douyin.com/xxxxx" --platform
分析B站视频 + 自动剪辑建议 python main.py -i "https://www.bilibili.com/video/BVxxxx" --platform --editing-suggest
导出 EDL 时间线 + 字幕文件 python main.py -i video.mp4 --editing-suggest --export-edl --subtitle-style douyin
一键成片（抖音竖屏，口播精简） python main.py -i video.mp4 --auto-edit --edit-platform douyin --edit-style 口播精简
一键成片（B站横屏，高光集锦） python main.py -i video.mp4 --auto-edit --edit-platform bilibili --edit-style 高光集锦
一键成片 + BGM python main.py -i video.mp4 --auto-edit --bgm-path music.mp3
封面帧智能选取 Top3 python main.py -i video.mp4 --cover-select
字幕翻译（中→英） python main.py -i video.mp4 --editing-suggest --translate-subs en
字幕翻译（中→日，ASS格式） python main.py -i video.mp4 --editing-suggest --translate-subs ja --translate-format ass
BGM 识别 python main.py -i video.mp4 --bgm-detect
剪映 6.0 + EDL 导入指南 python main.py -i video.mp4 --editing-suggest --jianying-v6
一键成片 + 封面 + 翻译 + BGM python main.py -i video.mp4 --auto-edit --cover-select --translate-subs en --bgm-detect

输出示例

output/
├── report.html              # 交互式 HTML 报告（主报告，用浏览器打开）
├── data.json                # 完整结构化 JSON 数据
├── script.md                # 剧本格式 Markdown
├── scenes/                  # 场景关键帧缩略图
│   ├── scene_001.jpg
│   ├── scene_002.jpg
│   └── ...
├── chapters/              # 章节切片（--slice-chapters 时生成）
│   ├── chapter_001.mp4
│   ├── chapter_001.srt
│   ├── chapter_001.vtt
│   ├── chapter_002.mp4
│   ├── chapter_002.srt
│   └── chapters_index.json
├── summary/               # 时间戳摘要
│   ├── timestamped_summary.md
│   └── timestamped_summary.json
├── speakers.srt           # 说话人字幕（--diarize 时生成）
├── platform/              # 平台分析（--platform 时生成）
│   ├── platform_metadata.json
│   └── short_video_analysis.json
├── edl/                   # EDL 时间线（--export-edl 时生成）
│   ├── timeline.cmx3600
│   └── ffmpeg_commands.sh
├── subtitles/             # 字幕文件（--editing-suggest 时生成）
│   └── subtitle.ass
└── assets/
    ├── waveform.svg       # 音频波形图
    └── timeline.svg       # 时间轴可视化

参数说明

参数 简写 说明
--input -i 视频文件路径或 HTTP URL（必填）
--output -o 输出目录，默认为 ./output
--format 报告格式：html/json/md，默认 html
--model -m Whisper 模型：tiny/base/small/medium/large-v3（默认自动选择）
--lang -l 语言代码：auto/zh/en/ja 等（默认自动检测）
--asr-engine ASR 引擎：whisper/paraformer/sensevoice/auto（默认 auto）
--ocr-engine OCR 引擎：paddleocr/auto（默认 paddleocr）
--no-nlp-enhance 跳过中文 NLP 增强（NER + 标签中文化）
--no-visual 跳过视觉分析（场景分类/物体检测）
--no-ocr 跳过画面文字识别
--no-highlight 跳过精华提取
--scenes-only 仅输出场景切割 JSON
-f --force 忽略缓存重新分析
--temp-dir 临时文件目录 (默认: ./.cache)
--config 配置文件路径 (默认: config.yaml)
--verbose 显示详细日志
--no-adaptive 禁用硬件自适应（默认启用）
--max-memory 最大内存使用（GB）
--nice 进程优先级 0-19，越大优先级越低
--no-update-check 跳过启动时的版本更新检查
--diarize 启用说话人分离（多人对话场景）
--slice-chapters 按章节切片视频片段 + 生成SRT字幕
--platform 启用短视频平台适配（自动识别抖音/快手/B站/视频号链接）
--editing-suggest 启用自动剪辑建议（高光检测/冗余标记/时间线生成/EDL导出）
--edl-format EDL 导出格式：cmx3600/csv/json（默认 cmx3600）
--subtitle-style 字幕样式模板：douyin/bilibili/movie/minimal
--subtitle-format 字幕输出格式：srt/ass/vtt（默认 ass）
--export-edl 导出 EDL 剪辑时间线文件
--jianying 导出剪映 draft.json 格式（可直接导入剪映专业版）
--jianying-v6 导出剪映 6.0 draft.json + EDL 导入指南（v4.4 新增）
--auto-edit 启用一键成片（ffmpeg filter_complex 自动剪辑，v4.4 新增）
--edit-style 一键成片风格：口播精简/高光集锦/预告片（默认 口播精简）
--edit-platform 一键成片目标平台：douyin/bilibili/kuaishou/wechat_video（默认 douyin）
--bgm-path BGM 音频文件路径（用于一键成片）
--cover-select 启用封面帧智能选取（v4.4 新增）
--translate-subs 翻译字幕到指定语言 (en/ja/ko/fr/de/es/ru)
--translate-format 翻译字幕输出格式：srt/ass/vtt（默认 srt）
--bgm-detect 启用 BGM 识别（需 chromaprint/fpcalc，v4.4 新增）
--quality-score 启用说话人分离质量评分
--doctor 首跑自检：探测 ffmpeg/模型/磁盘/内存/GPU，输出修复命令清单（v4.5.0 新增）
--quick 快速模式：仅转写+时间戳摘要，跳过视觉/场景/剪辑链（v4.5.0 新增）
--download-model 下载 Whisper 模型（带进度可视化+断点续传+3次重试，v4.5.0 新增）

功能说明

短视频平台适配（--platform）

自动识别并处理抖音/快手/B站/视频号视频链接：

  • 链接解析：支持分享链接、短链接、BV号等多种格式
  • 视频下载：基于 yt-dlp 的多平台视频下载
  • 元数据提取：标题、作者、点赞/评论/分享/收藏数、BGM信息等
  • 黄金前3秒分析：检测开场hook类型（视觉冲击/画面变化/平稳开场）
  • 完播率因素分析：视频时长评分、内容密度、行动号召检测、悬念检测
  • 带货分析：促销关键词识别、价格提取、行动号召检测
  • 节奏分析：场景切换频率、节奏类型判定

自动剪辑建议（--editing-suggest）

基于AI分析自动生成剪辑建议：

  • 高光检测：综合视觉活跃度、音频能量、语音情感、画面内容四维度评分
  • 冗余标记：检测静音片段、填充词、语速异常、画面静止、重复内容
  • 时间线生成：智能排列高光片段，跳过冗余，生成优化剪辑顺序
  • EDL导出：支持CMX3600（Premiere Pro/DaVinci Resolve兼容）/CSV/JSON格式
  • 字幕样式：抖音风格/B站风格/电影风格/简洁风格，支持SRT/ASS/VTT格式 按场景边界自动将视频切割为多个短视频片段，每段生成独立的 SRT 字幕文件和 WebVTT 字幕文件。
  • 使用 ffmpeg 流复制模式（极速，不重新编码）
  • 每个章节含 .mp4 + .srt + .vtt 三个文件
  • 自动生成 chapters_index.json 索引文件

说话人分离（--diarize）

多人对话场景下，分离出不同说话人的对话段落。

  • 基于 MFCC + 频谱特征 + GMM 聚类
  • 完全离线，无需网络
  • 以不同颜色标注不同说话人（A-F）
  • 生成独立的 speakers.srt 字幕文件

时间戳摘要

每次运行自动生成带时间戳的精华摘要列表。

  • [MM:SS] 格式时间戳
  • Markdown + JSON 双格式输出
  • 标注精华评分和标签

硬件自适应

启动时自动检测硬件配置，动态调整处理参数：

硬件指标 自适应策略
CPU 核数 自动确定最佳子进程数（保留 1 核给系统）
内存大小 自动选择 whisper 模型，限制缓存上限
GPU 显存 有 GPU 则全量分析，无则降采样

控制策略（不影响用户体验）：

  • 低配电脑（< 8GB 内存）：自动降低优先级（nice=10），使用 tiny/small 模型
  • 运行时监控：实时检测内存使用，接近上限时主动降速
  • 处理时间预估：分析前显示预估等待时间

安全提示

  • 所有处理均在本地完成，无上传
  • 输入视频需经用户路径合法性验证
  • OCR 识别结果仅供参考
  • 生成的 HTML 报告可在浏览器中离线查看
  • v3.0 新增：文件类型黑名单拦截，禁止危险文件输入

输入文件类型限制

为保障安全，以下文件类型被禁止作为输入：

类别 禁止扩展名
Windows 可执行/脚本 .bat .cmd .ps1 .vbs .exe .dll .lnk .msi
Office 文档 .docx .xlsx .pptx .doc .xls .ppt .xlsm .docm .pptm
压缩包/镜像 .iso .dmg .zip .rar .7z .tar .gz .apk .jar
系统/缓存文件 .DS_Store .env .log .tmp .git 目录
风险脚本 .sh .com .scr .hta .reg

能力边界与限制

不支持的场景

场景 说明
视频时长建议 ≤ 2 小时（max_duration 默认 7200s）
超大文件 超过 2 小时需修改 config.yaml 的 max_duration
不支持的视频格式 非常见的私有封装格式（如某些监控专用格式）
无音频视频 场景检测和视觉分析仍可用，但无语音转文字
纯音频文件 不支持，需要专门的音频转文字工具
实时流媒体 不支持 RTSP 等实时流，仅支持可下载的 URL
禁止的文件类型 见上方"输入文件类型限制"

识别准确率说明

模块 准确率 说明
语音转文字 85-95% 中文普通话较好，方言/噪音会降低
场景切分 80-90% 渐变过渡可能漏切，跳切较准
画面文字 75-85% 需安装 paddleocr 且要求较清晰
说话人分离 70-85% 声音差异越大越准确
精华提取 主观 基于对话密度/视觉复杂度计算

以上数据仅供参考，不同视频类型差异较大。

反模式 / 千万别这样用

以下操作会导致工具报错或输出错误结果，请务必避免：

  • ❌ 输入损坏的视频文件：工具会直接报错退出。可用 ffmpeg -i input.mp4 -c copy fixed.mp4 尝试修复后再分析。
  • ❌ 输入纯音频文件（如 MP3、WAV）：工具不支持，请先转成视频或用专业语音转文字工具。
  • ❌ 超长视频不设 --max-memory：2小时以上大视频建议加 --max-memory 2 --no-visual 防止内存溢出。
  • ❌ 小内存电脑选大模型：4GB 内存选 medium 或 large-v3 会极其缓慢甚至卡死。用 --model tiny 或 --model small。
  • ❌ 重复分析使用旧缓存：加 --force 重新分析，避免读过期缓存。
  • ❌ 用 IE 打开 HTML 报告：请用 Chrome/Edge/Firefox。
  • ❌ 窄带网络下分析在线视频：先下载到本地再分析，网络不稳定容易失败。
  • ❌ 跳过 ffmpeg 安装直接用：ffmpeg 是硬性依赖，必须先安装。
  • ❌ 输入 .ps1 .exe 等可执行文件：文件类型黑名单会直接拒绝，本工具只处理视频。

常见问题（FAQ）

安装与配置

Q: ffmpeg 安装后仍提示找不到？ A: 需要让 ffmpeg 在系统 PATH 中。Windows 用户可用 scoop install ffmpeg 或下载后解压并将 bin 目录加入 PATH；macOS 用 brew install ffmpeg；Ubuntu 用 sudo apt install ffmpeg。安装后新开一个终端窗口，运行 ffmpeg -version 验证。

Q: pip install 时 whisper 下载模型很慢？ A: whisper 首次运行时会自动下载模型文件（small 约 466MB），国内用户建议设置镜像：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Q: paddleocr 安装失败？ A: paddleocr 是可选依赖，不安装也能使用语音转文字和场景检测。如需 OCR，先确认 Python 版本 ≤ 3.11，再 pip install paddlepaddle paddleocr。

Q: 说话人分离不准确怎么办？ A: 说话人分离基于声音特征聚类，如果说话人声音相似或环境噪音大，准确率会下降。可以：① 安装 librosa 和 scikit-learn 提升特征提取能力；② 用 --diarize 后手动编辑生成的 speakers.srt 文件。

Q: 为什么提示"禁止的文件类型"？ A: 工具内置了文件类型黑名单，所有非视频文件（如 .exe .ps1 .zip .docx 等）都会被拒绝输入。请确认输入的是 .mp4/.mkv/.avi/.mov 等视频文件。

Q: 抖音/快手/B站视频无法下载？ A: 短视频平台下载依赖 yt-dlp，请先安装：pip install yt-dlp。部分视频可能需要配置 cookies 才能下载。如果仍然失败，请确认链接可访问且网络稳定。

Q: 自动剪辑建议的高光检测准确吗？ A: 高光检测基于视觉活跃度、音频能量、语音情感、画面内容四维度综合评分，准确率约 70-85%。建议将结果作为参考，人工微调后导出 EDL 到 Premiere Pro 或 DaVinci Resolve 进一步编辑。

Q: EDL 文件如何导入到剪辑软件？ A: CMX3600 格式兼容 Premiere Pro / DaVinci Resolve / Final Cut Pro。在 Premiere Pro 中：文件 → 导入 → 选择 .edl 文件。在 DaVinci Resolve 中：文件 → 导入时间线 → 导入 EDL。

Q: 字幕样式可以自定义吗？ A: 可以在 config.yaml 的 editing.subtitle 部分自定义字体、大小、颜色等参数。也支持在命令行用 --subtitle-style 选择预设模板。

运行错误

Q: 运行中提示 "No space left on device"？ A: 缓存目录占满了磁盘。用 --temp-dir 指定其他目录，或删除旧缓存 rm -rf .cache/。也可在 config.yaml 中减小 max_memory_gb。

Q: 下载在线视频失败？ A: 工具内置 3 次重试机制。如果仍然失败，请确认 URL 可访问且网络稳定；YouTube/B站等需安装 yt-dlp：pip install yt-dlp。

Q: 语音识别结果有漏字或错字？ A: 语音识别准确率约 85-95%。提高准确率方法：① 用更大的模型 --model medium；② 确保视频音频清晰无背景噪音；③ 方言视频选 --lang zh 指定中文。

Q: 场景切分不准，渐变画面漏切？ A: HSV 直方图差分对快速跳切准确度高（90%+），渐变过渡可能漏切。需要更精确的场景检测建议用 --scenes-only 导出后手动编辑 JSON。

Q: 处理大视频时电脑变卡？ A: 低配电脑请加 --nice 15 --max-memory 4。工具会自动降低进程优先级并限制内存使用。若仍卡顿，可加 --no-visual --no-ocr 只跑语音转文字。v3.0 版新增了实时资源监控，会自动防止内存溢出。

输出相关

Q: HTML 报告打开是乱码？ A: 请用现代浏览器（Chrome/Edge/Firefox）打开，不要用 IE。报告内已设 UTF-8 编码。

Q: 输出的 JSON 太大怎么查看？ A: 建议用 VS Code 或 jq 命令行工具：jq '.transcript.segments[0:3]' data.json 查看前 3 段。

Q: 章节切片的视频无法播放？ A: 章节切片使用 ffmpeg 流复制模式（-c copy），切割点必须在关键帧上。如果某些章节无法播放，可在 config.yaml 中设置 force_reencode: true 使用重新编码模式（稍慢但兼容性好）。

Q: 说话人分离结果全是同一人？ A: 请确认安装了可选依赖：pip install librosa scikit-learn。如果没有这些库，会回退到基于时间间隔的简单猜测策略，准确率较低。v4.1 新增质量评分（--quality-score），可量化评估分离结果可信度。

Q: 说话人分离质量评分怎么使用？ A: 运行 --diarize --quality-score，会输出 0-100 分数和等级（高/中/低）。≥ 80 分可信，≥ 60 分基本可用，< 60 分建议手动调整。评分基于声纹距离和重叠率两个维度。

Q: 剪映 draft.json 怎么用？ A: 运行 --editing-suggest --jianying 生成 draft.json 文件。打开剪映专业版 → 导入 → 选择 draft.json 即可加载时间线和字幕。

Q: tiny 模型和 small 模型有什么区别？ A: tiny 模型（75MB）识别速度更快但准确率略低；small 模型（466MB）准确率更高但速度慢。v4.1 默认 tiny 优先体验，如需要更高精度可用 --model small 切换。

Q: 为什么优先推荐 tiny 模型？ A: v4.1 新增 tiny 模型优先体验（75MB），首次使用门槛从 466MB 降至 75MB。低配电脑也会自动使用 tiny 模型。如需更高精度，可手动切换 --model small/medium。

v4.5.0 新增功能 FAQ

Q: 首跑自检怎么用？ A: 运行 --doctor 即可。工具会一次性探测 ffmpeg 可用性、whisper 模型缓存、磁盘剩余空间、内存水位和 GPU 可用性，输出检查报告。如果有问题项，会给出「缺什么→给什么」的修复命令清单，但不会自动执行写操作（先清单后确认）。

Q: 模型下载失败怎么办？ A: 使用 --download-model tiny 下载。工具会自动重试 3 次，支持断点续传（HTTP Range），并显示进度条和下载速度。国内用户建议先执行 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple。

Q: --quick 模式有什么用？ A: 快速模式仅做语音转文字 + 时间戳摘要，跳过视觉分析、场景切割和剪辑链，5 分钟内产出单文件 Markdown。适合低配机与新用户快速体验，末尾自动附加 3 条「下一步建议」引导发现更多功能。

Q: 医生模式会修改我的系统吗？ A: 不会。doctor 模式只读探测，输出修复命令清单供用户参考。所有写操作（安装 ffmpeg、下载模型等）都需要用户手动执行或使用 --download-model 参数。

v4.4.0 新增功能 FAQ

Q: 一键成片怎么用？ A: 运行 --auto-edit 即可。工具会自动检测高光片段，通过 ffmpeg filter_complex 链生成成片视频。支持 3 种风格：口播精简（去除冗余保留核心）、高光集锦（精选高光片段）、预告片（悬念感强）。输出包含成片视频、EDL 映射表和平台规格包。

Q: 一键成片支持哪些平台？ A: 支持抖音（9:16 竖屏 1080x1920）、B站（16:9 横屏 1920x1080）、快手（9:16 竖屏）、微信视频号（9:16 竖屏）。通过 --edit-platform 指定。

Q: 字幕翻译需要什么依赖？ A: 需要安装 cn-llm-router skill。未安装时工具会降级为仅输出中文字幕，并提示安装。翻译通过 subprocess 调用 router.py 的 translate 任务，支持 EN/JP/KO/FR/DE/ES/RU 七种语言。

Q: BGM 识别准确吗？ A: BGM 识别基于 chromaprint 音频指纹，匹配本地参考库。需要用户提供常见 BGM 样本建立参考库。无依赖时该功能自动隐藏，不阻塞主流程。未知 BGM 会标记为高风险。

Q: 封面帧选取的原理是什么？ A: 综合 Laplacian 锐度（清晰度）、人脸数量/位置（居中优先）、三分法构图评分和亮度适中度四个维度，从场景边界候选帧中选出 Top3。

Q: 剪映 6.0 适配是什么？ A: 升级了 draft.json 生成器以对齐剪映 6.0 新 schema（materials/tracks/segments）。如果生成失败会自动降级为 SRT+EDL 格式，并输出 Premiere Pro/DaVinci Resolve/Final Cut Pro 的 EDL 导入指南文档。

更新提醒

启动时会自动检查 GitHub 上的新版本，发现更新时会显示提醒。使用 --no-update-check 可跳过此检查。

联系方式

如有更好建议：njskills@agent.qq.com

更新日志

| v4.5.0 | 2026-09-11 | 增加：首跑自检（doctor 模块，一次性探测 ffmpeg/模型缓存/磁盘空间/内存水位/GPU 可用性，输出「缺什么→给什么」修复命令清单，检查项 YAML 可配，先清单后确认交互范式）；增加：模型下载链路（进度可视化+3次自动重试+HTTP Range 断点续传+清华 PyPI 镜像交互提示）；增加：--quick 快速模式（仅转写+时间戳摘要，跳过视觉/场景/剪辑链，单文件 Markdown 产出）；增加：首跑「下一步建议」（quick 结果末尾附 3 条可继续命令：--editing-suggest / --diarize / --platform）；增加：--doctor / --quick / --download-model 参数 |

v4.4.0 增加：一键成片（ffmpeg filter_complex 链，含片段拼接+转场+ASS字幕烧录+BGM+人声闪避，3种成片风格：口播精简/高光集锦/预告片，导出平台规格包：抖音9:16/B站横屏/快手/视频号，含BGM建议库与EDL映射表，仅导出不自动发布）；增加：封面帧智能选取（Laplacian锐度+人脸数量/位置+三分法构图+亮度评分，输出Top3 PNG并附理由）；增加：自动字幕翻译（白名单桥接 cn-llm-router 翻译任务，subprocess 调用 router.py chat --task translate --json，按字幕批量+术语表约束，生成EN/JP/KO/FR/DE/ES/RU的SRT/ASS/VTT，未安装则降级为仅输出中文字幕+提示安装）；增加：BGM识别（可选依赖 chromaprint/fpcalc 计算音频指纹，匹配本地小参考库，输出版权风险提示：low/medium/high/unknown，无依赖则隐藏）；优化：剪映6.0适配+EDL导入指南（升级 draft.json 生成器对齐新schema：materials/tracks/segments，失败自动降级为SRT+EDL，输出Premiere Pro/DaVinci Resolve/Final Cut Pro导入指南文档）；增加：--auto-edit / --edit-style / --edit-platform / --bgm-path / --cover-select / --translate-subs / --translate-format / --bgm-detect / --jianying-v6 参数 |

v4.3.0

  • 增加：纯音频输入（mp3/m4a/wav 播客与录音，ffmpeg 探测后直接转 16k 单声道 wav 进 ASR）
  • 合并：场景检测+章节切片为「场景管理」模块（detect→slice 一条链）
  • 增加：短视频爆款预测（多模态特征+爆款样本对比，概率评分+改进建议）
  • 增加：实时直播分析（流式ASR+滑动窗口+敏感词检测+实时告警）
  • 增加：--scene-management / --viral-predict / --live-analyze 参数
  • 优化：HTML/JSON/Markdown 报告新增爆款预测和直播分析板块
  • 增加：tiny 模型优先体验（75MB 低门槛，首次使用从 466MB 降至 75MB）
  • 增加：说话人分离质量评分（声纹距离 + 重叠率，0-100 分 + 高/中/低等级）
  • 增加：剪映 draft.json 导出（可直接导入剪映专业版）
  • 增加：--jianying / --quality-score 参数
  • 优化：硬件自适应默认 tiny 模型，低配电脑友好

v2.2.0

  • 增加：使用场景示例表格（7个常见场景 + 对应命令）
  • 增加：反模式 / 千万别这样用警告（7条）
  • 增加：识别准确率说明表格（4个模块）
  • 增加：首次使用前模型下载提醒（加速镜像命令）
  • 增加：场景切分不准、文字识别漏字的原因说明
  • 优化：触发方式 -> 使用场景示例，附场景+命令速查表
  • 优化：文档结构新增前置提示
  • 优化：准确率自检列表现已内置

v2.1.0

  • 增加：网络下载 3 次自动重试机制
  • 增加：能力边界与限制表格
  • 增加：FAQ 常见问题（安装/运行/输出三类）
  • 优化：错误提示改为中文，附带修复建议
  • 优化：网络不稳定时自动重试，不再直接退出

v2.0.0

  • 增加：硬件自适应（自动检测 CPU/内存/GPU，动态调整并行参数）
  • 增加：进程优先级控制（nice_level），低配电脑自动降低优先级
  • 增加：缓存自动清理（限制缓存目录大小，防 OOM）
  • 增加：--max-memory、--nice、--no-adaptive 参数
  • 修复：scene_tags/scene_types 拼写错误
  • 修复：highlights 类型不匹配问题

v1.0.0

  • 首个稳定版本
  • 支持本地视频和 HTTP URL 输入
  • HTML/JSON/Markdown 三格式输出
  • 模块化设计，便于扩展