短视频自动处理技能#

创建日期: 2026-03-23

版本: v1.0

---

✨ 技能概述#

自动处理短视频，实现：

• 🎙️ 语音识别 - 自动提取视频音频并识别为文字
• 📝 字幕生成 - 生成 SRT/VTT 格式字幕文件
• 🎯 标题提炼 - 从内容中智能提炼吸引人的标题
• 📺 字幕添加 - 将字幕烧录到视频中
• 🎬 视频生成 - 输出带字幕的新视频

---

🎯 使用场景#

1. 自媒体内容二次创作#

• 提取视频内容
• 添加中文字幕
• 重新发布到多平台

2. 课程视频处理#

• 自动添加字幕
• 提炼章节标题
• 生成学习资料

3. 访谈/会议记录#

• 语音转文字
• 生成会议纪要
• 添加时间戳

4. 短视频本地化#

• 识别原语言字幕
• 翻译为目标语言
• 烧录新字幕

---

🚀 快速使用#

基础使用#

bash

# 处理单个视频
python scripts/video_processor.py \
  --input "video.mp4" \
  --output "./output"

# 处理并添加字幕
python scripts/video_processor.py \
  --input "video.mp4" \
  --output "./output" \
  --add-subtitles

# 处理并提炼标题
python scripts/video_processor.py \
  --input "video.mp4" \
  --output "./output" \
  --generate-title

完整流程#

bash

# 完整处理流程
python scripts/video_processor.py \
  --input "input/video.mp4" \
  --output "./output" \
  --extract-audio \
  --recognize-speech \
  --generate-subtitles \
  --add-subtitles \
  --generate-title \
  --export-video

---

📋 处理流程#

1. 视频分析#

text

输入视频
  ↓
提取音频
  ↓
分析视频信息（时长、分辨率等）

2. 语音识别#

text

音频文件
  ↓
语音识别（Whisper/其他 ASR）
  ↓
生成文字稿（带时间戳）

3. 字幕生成#

text

文字稿 + 时间戳
  ↓
生成 SRT/VTT 字幕文件
  ↓
字幕样式配置

4. 标题提炼#

text

完整文字稿
  ↓
AI 提炼关键信息
  ↓
生成多个标题选项

5. 视频生成#

text

原视频 + 字幕文件
  ↓
FFmpeg 烧录字幕
  ↓
输出新视频

---

⚙️ 技术栈#

核心依赖#

• FFmpeg - 视频处理、字幕烧录
• OpenAI Whisper - 语音识别（可选）
• Python - 脚本处理

可选依赖#

• yt-dlp - 下载视频
• moviepy - 视频编辑
• stable-diffusion - 生成封面图

---

📁 文件结构#

text

skills/video-processor/
├── SKILL.md                 # 技能说明
├── README.md                # 使用文档
├── scripts/
│   ├── video_processor.py   # 主处理脚本
│   ├── speech_recognition.py # 语音识别模块
│   ├── subtitle_generator.py # 字幕生成模块
│   ├── title_extractor.py   # 标题提炼模块
│   └── video_renderer.py    # 视频渲染模块
├── references/
│   ├── subtitle_styles.md   # 字幕样式配置
│   └── title_templates.md   # 标题模板
├── output/                  # 输出目录
│   ├── subtitles/           # 字幕文件
│   ├── videos/              # 输出视频
│   └── titles/              # 标题文件
└── examples/                # 示例文件

---

🎨 配置说明#

语音识别配置#

yaml

speech_recognition:
  # 识别引擎
  engine: "whisper"  # whisper | google | azure

  # 语言设置
  language: "zh"     # zh | en | ja | ko

  # 模型大小
  model: "base"      # tiny | base | small | medium | large

  # 输出格式
  output_format: "srt"  # srt | vtt | txt

字幕样式配置#

yaml

subtitle_style:
  # 字体设置
  font: "Arial"
  font_size: 24
  font_color: "white"

  # 边框设置
  border_color: "black"
  border_width: 2

  # 位置设置
  position: "bottom"  # top | bottom | center
  margin: 50

  # 背景设置
  background: true
  background_color: "black@0.5"  # 50% 透明黑色

标题提炼配置#

yaml

title_generation:
  # 标题风格
  style: "clickbait"  # normal | clickbait | professional

  # 标题长度
  max_length: 30

  # 生成数量
  count: 5

  # 包含元素
  include_emoji: true
  include_hashtags: true

---

📊 输出示例#

生成的字幕文件 (SRT)#

srt

1
00:00:01,000 --> 00:00:03,500
大家好，今天我们来分享一个有趣的话题

2
00:00:03,500 --> 00:00:06,000
关于如何使用 AI 来处理视频内容

3
00:00:06,000 --> 00:00:09,000
这将大大提高我们的工作效率

提炼的标题#

text

标题选项 1:
🔥 AI 自动处理视频，效率提升 10 倍！

标题选项 2:
📹 短视频自动加字幕，这个方法太神了！

标题选项 3:
💡 用 AI 提炼视频标题，解放双手！

标题选项 4:
🎬 视频处理神器，一键生成字幕 + 标题！

标题选项 5:
✨ 自媒体必备！AI 视频处理全流程！

输出文件结构#

text

output/
└── video_20260323_153300/
    ├── original.mp4              # 原视频
    ├── audio.wav                 # 提取的音频
    ├── transcript.txt            # 完整文字稿
    ├── subtitles.srt             # SRT 字幕
    ├── subtitles.vtt             # VTT 字幕
    ├── titles.txt                # 提炼的标题
    ├── video_with_subtitles.mp4  # 带字幕视频
    └── thumbnail.jpg             # 视频封面

---

🔧 安装说明#

1. 安装 FFmpeg#

Windows:

bash

# 使用 winget
winget install ffmpeg

# 或下载：https://ffmpeg.org/download.html

macOS:

bash

brew install ffmpeg

Linux:

bash

sudo apt install ffmpeg

2. 安装 Python 依赖#

bash

pip install openai-whisper
pip install moviepy
pip install yt-dlp

3. 安装 Whisper（可选）#

bash

# 使用 OpenAI Whisper
pip install openai-whisper

# 或使用 faster-whisper（更快）
pip install faster-whisper

---

🎯 使用示例#

示例 1: 基础处理#

bash

# 提取字幕
python scripts/video_processor.py \
  --input "interview.mp4" \
  --extract-subtitles \
  --output "./output"

示例 2: 完整流程#

bash

# 完整处理
python scripts/video_processor.py \
  --input "course.mp4" \
  --output "./output" \
  --all

示例 3: 批量处理#

bash

# 批量处理视频
python scripts/video_processor.py \
  --input "./videos/" \
  --output "./output" \
  --batch

---

⚠️ 注意事项#

视频格式#

• ✅ 支持：MP4, MOV, AVI, MKV, WebM
• ⚠️ 建议：使用 MP4 格式

音频质量#

• ✅ 清晰语音识别效果好
• ⚠️ 背景噪音会影响识别

字幕长度#

• 每行不超过 30 字
• 每段不超过 2 行
• 显示时间 1-7 秒

处理时间#

• 1 分钟视频 ≈ 1-3 分钟处理
• 取决于视频长度和配置

---

📚 相关文档#

• README.md - 完整使用文档
• references/subtitle_styles.md - 字幕样式指南
• references/title_templates.md - 标题模板

---

✅ 功能清单#

• 视频音频提取
• 语音识别转文字
• SRT/VTT 字幕生成
• 智能标题提炼
• 字幕烧录到视频
• 批量处理支持
• 多语言支持
• 封面图生成

---

版本: v1.0

创建日期: 2026-03-23

状态: ⏸️ 框架已完成，待实现