飞书 AI 视频剪辑 Skill - MVP#

⚡ OpenClaw Skill 大师培训体系 - 实战项目

---

📋 概述#

本 Skill 实现基于飞书的 AI 视频剪辑功能，支持语音识别、智能裁剪、字幕生成等核心功能。

MVP 功能范围#

功能状态说明视频下载✅从飞书云空间下载视频语音转文字✅使用 Whisper 进行 ASR静音检测✅自动识别并删除静音片段视频裁剪✅基于时间戳裁剪视频字幕生成✅自动生成 SRT 字幕结果上传✅剪辑完成自动上传到飞书

---

🏗️ 架构设计#

核心流程#

text

用户上传视频到飞书
    ↓
发送指令：@视频助手 剪辑这个视频
    ↓
Skill 下载视频到本地
    ↓
AI 分析（语音识别 + 静音检测）
    ↓
生成剪辑方案
    ↓
FFmpeg 执行剪辑
    ↓
上传结果到飞书云空间
    ↓
返回剪辑后的视频链接

技术栈#

组件技术选型视频处理FFmpeg音频分析librosa, pydub语音识别Whisper (openai-whisper)字幕生成pysrt飞书集成飞书开放 API

---

🚀 安装与配置#

步骤 1：安装系统依赖#

bash

# Ubuntu/Debian
sudo apt update && sudo apt install -y ffmpeg

# macOS
brew install ffmpeg

# CentOS/RHEL
sudo yum install -y ffmpeg

步骤 2：安装 Skill#

bash

claw skill install feishu-video-editor

步骤 3：安装 Python 依赖#

bash

cd ~/openclaw-skills/feishu-video-editor
pip install -r requirements.txt

步骤 4：配置#

编辑 config.json：

json

{
  "whisper_model": "base",
  "output_dir": "~/Videos/edited",
  "auto_upload": true,
  "silent_threshold": -50,
  "min_silent_duration": 1.0
}

---

💡 使用示例#

示例 1：删除静音片段#

text

你：@视频助手 把这个视频中的静音部分剪掉
视频助手：🎬 开始处理视频...
视频助手：📊 检测到 5 段静音，总时长 12 秒
视频助手：✂️ 剪辑完成！
视频助手：✅ 已上传到云空间：[剪辑后的视频.mp4](链接)

示例 2：按时间裁剪#

text

你：@视频助手 裁剪视频 00:01:30 到 00:02:45
视频助手：✂️ 裁剪中...
视频助手：✅ 完成！时长：1 分 15 秒

示例 3：生成字幕#

text

你：@视频助手 给这个视频生成字幕
视频助手：🎤 语音识别中...
视频助手：📝 生成字幕文件...
视频助手：✅ 字幕已生成：[字幕.srt](链接)

示例 4：提取音频#

text

你：@视频助手 提取这个视频的音频
视频助手：🎵 提取中...
视频助手：✅ 音频已提取：[音频.mp3](链接)

---

🔧 可用命令#

命令说明示例/video_editor trim_silence删除静音片段上传视频后发送/video_editor crop按时间裁剪crop 00:01:00 00:02:30``/video_editor subtitle生成字幕上传视频后发送/video_editor extract_audio提取音频上传视频后发送/video_editor merge合并多个视频merge video1.mp4 video2.mp4``/video_editor help显示帮助-

---

⚙️ 配置说明#

config.json#

json

{
  "whisper_model": "base",
  "output_dir": "~/Videos/edited",
  "auto_upload": true,
  "silent_threshold": -50,
  "min_silent_duration": 1.0,
  "ffmpeg_preset": "medium",
  "max_file_size_mb": 100
}

配置项说明#

参数默认值说明whisper_modelbaseWhisper 模型：tiny/base/small/medium/largeoutput_dir~/Videos/edited输出目录auto_uploadtrue自动上传到飞书云空间silent_threshold-50静音检测阈值（dB）min_silent_duration1.0最小静音时长（秒）ffmpeg_presetmediumFFmpeg 编码预设max_file_size_mb100最大文件大小限制

---

📊 性能参考#

视频时长处理时间（M1 Mac）处理时间（Intel i7）1 分钟30 秒60 秒5 分钟2 分钟5 分钟10 分钟5 分钟12 分钟

注意： Whisper 语音识别是主要耗时步骤。

---

⚠️ 注意事项#

1. 文件大小限制#

飞书云空间单文件限制 100MB，超过需要：

• 压缩视频质量
• 或分段处理

2. 处理时长#

视频剪辑是 CPU 密集型任务：

• 建议在服务器端运行
• 或设置超时限制（默认 10 分钟）

3. 隐私考虑#

视频会下载到本地处理：

• 处理完成后自动清理
• 敏感视频建议本地运行

---

🔄 后续优化（TODO）#

• 支持更多视频格式
• 添加视频压缩功能
• 智能高光检测
• 转场效果
• 批量处理
• 云端分布式处理
• 视频预览卡片

---

📝 版本历史#

版本日期更新内容v1.0.02026-03-21MVP 版本，核心功能实现

---

🎓 学习价值#

本 Skill 涵盖：

• ✅ FFmpeg 视频处理
• ✅ Whisper 语音识别
• ✅ 音频分析（librosa）
• ✅ 飞书云空间 API
• ✅ 异步任务处理
• ✅ 文件上传下载

---

作者: Spark ⚡

创建时间: 2026-03-21

GitHub: https://github.com/rfdiosuao/openclaw-skills/tree/main/feishu-video-editor