安装前置依赖
# 1. 安装 Python 依赖
pip install requests openai-whisper torch tenacity Pillow python-dotenv
# 2. 安装 ffmpeg（必需）
# Windows: winget install Gyan.FFmpeg
# macOS: brew install ffmpeg
# Linux: sudo apt install ffmpeg
# 3. 首次运行会自动下载 Whisper 模型（约150MB），请确保网络畅通
⚠️ 数据隐私说明
本技能会将视频关键帧图片（base64编码）和语音转写文本发送到你配置的多模态模型API。请确认：
- 你接受将视频内容发送到所选模型服务商
- 敏感/私密视频请谨慎使用，或选择私有化部署的模型
- 分析结果仅保存在本地，不会上传到其他地方
触发条件
当用户发送视频文件（.mp4, .mov等）并希望分析内容时，自动触发此技能。
执行命令
python doubao_video_analyzer.py "{{video_path}}"
配置说明
必需配置
设置环境变量 VIDEO_ANALYZER_API_KEY 为你的多模态模型 API Key。
可选配置
| 环境变量 | 说明 | 默认值 |
|---|---|---|
VIDEO_ANALYZER_MODEL |
使用的模型名称 | doubao-seed-2-0-pro-260215 |
VIDEO_ANALYZER_BASE_URL |
API 基础地址 | https://ark.cn-beijing.volces.com/api/v3 |
WHISPER_MODEL_DIR |
Whisper 模型本地路径 | 自动下载 |
支持的模型示例
| 模型提供商 | MODEL 值 | BASE_URL |
|---|---|---|
| 豆包 | doubao-seed-2-0-pro-260215 |
https://ark.cn-beijing.volces.com/api/v3 |
| 智谱 GLM-4V | glm-4v-plus |
https://open.bigmodel.cn/api/paas/v4 |
| 通义千问 VL | qwen-vl-plus |
https://dashscope.aliyuncs.com/compatible-mode/v1 |
功能特点
✅ 双轨分析：同时分析视频画面 + 语音转文字，生成完整报告 ✅ 模型无关：支持多种多模态模型，用户自由选择 ✅ 结构化输出：自动生成场景、核心信息、亮点等结构化内容 ✅ HTML可视化报告：自动生成精美排版的HTML报告，含关键帧展示、分析结果、语音文字稿 ✅ 国内可用：支持豆包、智谱、通义等国内模型，无需翻墙 ✅ 容错完善：ffmpeg错误检查、API超时保护、跨平台路径兼容
输出文件
每次分析会自动生成以下文件：
{视频名}_分析报告.md— Markdown格式报告{视频名}_分析报告.html— HTML可视化报告（可直接用浏览器打开）{视频名}_frames/— 提取的关键帧图片