video-ai-process - Video AI Process / AI视频处理#

全自动AI视频处理系统：转写 → 分析 → 切片 → 飞书 → 自动拼接/客户打分 → 最终视频

---

整体流程#

text

客户输入视频
    ↓
┌─────────────────────────────────────────────────────────┐
│  Step 1-4：AI处理                                        │
│  Whisper转写 → MiniMax分析 → FFmpeg切片                    │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────┐
│  Step 5：写入飞书                                         │
│  每段片段内容写入视频片段库Bitable                         │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────┐
│  Step 6：自动拼接（系统自动执行，无需等待）                  │
│  粗剪片段拼接 → 粗剪版_final.mp4                         │
│  精剪片段拼接 → 精剪版_final.mp4                         │
│  自动写入飞书                                             │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────┐
│  客户在飞书查看片段内容                                   │
│  在「用户自定义重用性排序」字段打分                        │
│  1=最重要，2=次重要，3=第三...                           │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────┐
│  Step 7：自定义拼接（客户打完分通知我们，或心跳自动检查）     │
│  按打分排序拼接 → 自定义粗剪版 + 自定义精剪版             │
│  写入飞书                                               │
└─────────────────────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────────────────────┐
│  客户选择最终版本                                        │
│  满意 → 结束                                            │
│  不满意 → 重新打分 → Step 7重新拼接                       │
└─────────────────────────────────────────────────────────┘

---

Step 1 - Whisper转写#

目的：将视频音频转为带时间戳的文本

命令：

python

from faster_whisper import WhisperModel

model = WhisperModel("small", device="cpu")
segments, info = model.transcribe(audio_path, language="zh")
segments_list = list(segments)

输出：

• video_转写.txt：带时间戳文本 text

  [0.000-2.000] 大家好
  [2.000-6.600] 今天我们继续聊AI和OpenCloud
  
  

• video.srt：SRT字幕文件

---

Step 2 - MiniMax粗剪分析#

目的：AI分析内容，生成粗剪分段方案

Prompt：

text

分析以下视频转写，进行粗剪分段。

要求：
- 把明显没用的内容去掉（如：技术故障、停顿过长、重复啰嗦）
- 保留核心内容，分成2-5分钟的大段
- 每个片段要内容完整，不能断在半句
- 时长不固定，根据内容自然分段

输出格式：
片段编号 | 时间段 | 时长(秒) | 标签 | 摘要

---

Step 3 - MiniMax精剪分析#

目的：从原内容独立选择最精华片段

Prompt：

text

基于粗剪分段，做精剪分析。只保留最精华的内容。

要求：
- 只保留真正精华的内容
- 每段30-90秒
- 内容必须完整
- 去掉重复啰嗦的部分
- 精剪和粗剪是独立的选段，不是子集

输出格式：
片段编号 | 时间段 | 时长(秒) | 标签 | 摘要

---

Step 4 - FFmpeg切片#

切片命名规则：

text

粗剪片段：粗-{序号}{内容标签}.mp4
        例：粗-2引入.mp4、粗-3配置要求.mp4

精剪片段：精-{序号}{内容标签}.mp4
        例：精-2配置核心.mp4、精-3案例分析.mp4

FFmpeg命令：

bash

# 切片
ffmpeg -i 原视频.mp4 -ss {开始秒} -t {时长} \
  -c:v libx264 -preset fast -crf 23 \
  -c:a aac -b:a 128k 输出.mp4 -y

# 拼接
ffmpeg -f concat -safe 0 -i filelist.txt -c copy concat.mp4 -y

# 烧录字幕
ffmpeg -i concat.mp4 -vf "subtitles=字幕.srt:force_style='FontSize=18,PrimaryColour=&HFFFFFF,OutlineColour=&H333333,Outline=2,Alignment=2,MarginV=50'" \
  -c:v libx264 -preset fast -crf 23 -c:a aac -b:a 128k 输出_带字幕.mp4 -y

---

Step 5 - 写入飞书（每段内容）#

目的：将每段片段信息写入视频片段库Bitable

Bitable配置：

yaml

app_token: YOUR_APP_TOKEN
table_id: YOUR_TABLE_ID

或设置环境变量：

bash

export FEISHU_VIDEO_APP_TOKEN="YOUR_APP_TOKEN"
export FEISHU_VIDEO_TABLE_ID="YOUR_TABLE_ID"

每条记录字段：

json

{
  "视频片段库": "视频一：XXX教程",
  "分析类型": ["粗分析-粗剪"],
  "片段编号": "粗-2",
  "时间段": "0:45-1:30",
  "时长": 45,
  "标签": ["开场"],
  "摘要": "引入主题：讲解OpenCloud配置是小白最需要搞懂的东西",
  "文件路径": "D:\\OpenClaw\\downloads\\视频切片\\2026-04-14-粗剪\\粗-2引入.mp4",
  "来源视频": "原视频文件名.mp4",
  "用户自定义重用性排序": null,
  "入库时间": 1744512000000
}

---

Step 6 - 自动拼接（系统自动执行）#

目的：自动生成粗剪版和精剪版视频

执行时机：Step 5完成后立即自动执行，无需等待客户

拼接逻辑：

1. 读取粗剪片段，按编号顺序拼接 → 粗剪版_final.mp4
2. 读取精剪片段，按编号顺序拼接 → 精剪版_final.mp4
3. 生成字幕并烧录
4. 写入飞书：

json

{
  "视频片段库": "视频一：XXX教程",
  "分析类型": ["粗分析-粗剪", "最终版"],
  "片段编号": "粗-最终版",
  "时间段": "连续拼接",
  "时长": 195,
  "标签": ["最终版"],
  "摘要": "自动拼接粗剪片段：粗-2 + 粗-3 + 粗-4 + 粗-5 + 粗-7",
  "文件路径": "D:\\OpenClaw\\downloads\\视频切片\\2026-04-14-粗剪\\粗剪版_final.mp4",
  "来源视频": "原视频文件名.mp4",
  "用户自定义重用性排序": null,
  "入库时间": 1744512000000
}

输出文件夹：

text

D:\OpenClaw\downloads\视频切片\
├── {日期}-粗剪\
│   ├── 粗-2引入.mp4
│   ├── 粗-3配置要求.mp4
│   └── 粗剪版_final.mp4        ← 自动生成
│
└── {日期}-精剪\
    ├── 精-2配置核心.mp4
    └── 精剪版_final.mp4        ← 自动生成

---

客户操作#

查看片段：打开飞书视频片段库，查看每段内容摘要

打分：在「用户自定义重用性排序」字段填写数字

• 1 = 最重要
• 2 = 次重要
• 3 = 第三重要...

可选择版本：

• 粗剪版（系统自动拼接）
• 精剪版（系统自动拼接）
• 自定义版（按打分重新拼接）

---

Step 7 - 自定义拼接（客户打完分后执行）#

触发方式：

方式说明方式一客户主动发消息："按打分生成"方式二心跳任务自动检查

心跳任务配置：

yaml

检查频率：每1小时
检查内容：飞书「用户自定义重用性排序」字段是否有新值

执行流程：

1. 读取飞书表格，筛选有打分的记录
2. 按打分数字升序排列
3. 生成拼接方案
4. 显示方案给客户确认
5. 确认后执行拼接
6. 生成字幕
7. 写入飞书

自定义拼接结果写入飞书：

json

{
  "视频片段库": "视频一：XXX教程",
  "分析类型": ["自定义拼接"],
  "片段编号": "自定义-001",
  "时间段": "按打分排序",
  "时长": 120,
  "标签": ["自定义"],
  "摘要": "按客户打分排序：粗-3(1分) + 精-2(2分) + 粗-5(3分)",
  "文件路径": "D:\\OpenClaw\\downloads\\视频切片\\{日期}-自定义\\自定义粗剪版_final.mp4",
  "来源视频": "原视频文件名.mp4",
  "用户自定义重用性排序": null,
  "入库时间": 1744512000000
}

---

最终输出#

text

D:\OpenClaw\downloads\视频切片\
├── {日期}-粗剪\
│   ├── 粗-2引入.mp4
│   ├── 粗-3配置要求.mp4
│   └── 粗剪版_final.mp4        ← Step 6自动生成
│
├── {日期}-精剪\
│   ├── 精-2配置核心.mp4
│   └── 精剪版_final.mp4        ← Step 6自动生成
│
└── {日期}-自定义\
    ├── 自定义粗剪版_final.mp4   ← Step 7按打分生成
    └── 自定义精剪版_final.mp4   ← Step 7按打分生成

飞书表格记录：

• 粗剪片段（每段一条记录）
• 精剪片段（每段一条记录）
• 粗剪版_final（Step 6自动写入）
• 精剪版_final（Step 6自动写入）
• 自定义粗剪版（Step 7按打分写入）
• 自定义精剪版（Step 7按打分写入）

---

客户选择流程#

text

Step 6 自动生成后：
    ↓
客户查看飞书，选择版本
    ↓
┌─────────────────┬─────────────────┐
│  满意粗剪版？    │  满意精剪版？    │
│  ↓是            │  ↓是            │
│  使用粗剪版      │  使用精剪版      │
│  结束           │  结束           │
└─────────────────┴─────────────────┘
    ↓ 否
客户在飞书打分
    ↓
Step 7 按打分生成自定义版
    ↓
客户选择最终版本

---

时间记录#

Step操作耗时Step 1Whisper转写15秒Step 2MiniMax粗剪分析10秒Step 3MiniMax精剪分析10秒Step 4FFmpeg切片60秒Step 5写入飞书30秒Step 6自动拼接2个版本60秒Step 7自定义拼接~90秒

总计：~4.5分钟（不含等待打分时间）

---

前置要求#

• Python 3.8+
• FFmpeg（包含ffprobe）
• faster-whisper（WhisperModel）
• MiniMax API（mmx CLI）
• 飞书Bitable配置

bash

export HF_ENDPOINT=https://hf-mirror.com

---

飞书表格字段#

字段类型说明视频片段库文本视频唯一标识分析类型多选粗分析-粗剪/细分析-精剪/自定义拼接/最终版片段编号文本唯一编号时间段文本时间范围时长数字秒标签多选开场/核心观点/演示/总结/自定义/最终版摘要文本内容描述文件路径文本本地文件路径来源视频文本原视频文件名用户自定义重用性排序数字客户打分字段入库时间日期自动记录

---

文件路径#

text

~/.openclaw/workspace/skills/video-ai-process/
├── SKILL.md
├── step1_transcribe.py
├── step2_analyze_cu.py
├── step3_analyze_jing.py
├── step4_segment.py
├── step5_write_feishu.py
├── step6_auto_compose.py
├── step7_custom_compose.py
└── video_pipeline.py

---

注意事项#

1. 删除操作必须确认：切片前检查文件是否存在
2. 飞书录入：确认Bitable app_token和table_id
3. 自动拼接：Step 6在Step 5完成后立即执行，无需等待客户
4. 客户打分：必须等客户在飞书填写后才能执行Step 7
5. 版本选择：客户可选择任一版本，或重新打分生成新版本