hmo
04db423416
- 70 skills with code and documentation - Add .gitignore (ignore __pycache__, output/, temp/, venv/) - Clean up test intermediates and caches
120 lines
4.1 KiB
Markdown
120 lines
4.1 KiB
Markdown
---
|
||
name: video-text-clipper
|
||
description: 基于字幕文本特征的视频自动剪辑工具。通过语音转录识别视频字幕，根据关键词密度自动定位并剪辑出符合特征的片段，生成带字幕的精华视频。适用于任何通过字幕文本特征来截取拼接视频的场景。
|
||
---
|
||
|
||
# 基于文本特征的视频剪辑工具
|
||
|
||
## 功能说明
|
||
通过语音转录识别视频中的字幕文本，根据关键词密度自动定位并剪辑出符合特征的片段，生成带字幕的精华视频。
|
||
|
||
## 适用场景
|
||
- 根据关键词密度提取视频片段（如密集出现"大"字的打拍子片段）
|
||
- 长视频中特定内容片段的自动剪辑
|
||
- 任何通过字幕文本特征来截取视频的场景
|
||
|
||
## 环境要求
|
||
|
||
| 项 | 要求 | 说明 |
|
||
|------|--------|------|
|
||
| Python版本 | 3.12 | **必须使用 `D:\ProgramData\anaconda3\envs\py312_cuda\python.exe`** |
|
||
| CUDA版本 | 12.1 | RTX3080显卡，PyTorch 2.5.1+cu121 |
|
||
| 模型路径 | `D:/AI/LM-Models/faster-whisper/large-v3` | 本地预下载的faster-whisper large-v3模型 |
|
||
| ffmpeg版本 | 支持drawtext+subtitles滤镜 | 当前环境已满足 |
|
||
|
||
**⚠️ 环境路径**：
|
||
- `D:\AI\Miniconda3\python.exe` → ❌ CPU 版本，不能用
|
||
- `D:\ProgramData\anaconda3\envs\py312_cuda\python.exe` → ✅ **用这个**
|
||
|
||
## 依赖安装
|
||
|
||
```bash
|
||
"D:/ProgramData/anaconda3/envs/py312_cuda/python.exe" -m pip install faster-whisper ffmpeg-python pyyaml zhconv pypinyin
|
||
```
|
||
|
||
## 调用方式
|
||
|
||
```bash
|
||
cd .opencode/skills/video-text-clipper
|
||
"D:/ProgramData/anaconda3/envs/py312_cuda/python.exe" scripts/extract_by_text_pattern.py --config 配置文件路径.yaml
|
||
```
|
||
|
||
## 配置文件格式（YAML）
|
||
|
||
```yaml
|
||
video_src: "视频文件路径.mp4"
|
||
output_dir: "输出目录路径"
|
||
|
||
# 文本特征配置
|
||
text_pattern:
|
||
# 特征关键词
|
||
keyword: "大"
|
||
# 窗口大小（秒）：在这个时间窗口内统计关键词出现次数
|
||
window_size: 10
|
||
# 阈值：窗口内关键词出现次数 >= 阈值 时，认为匹配
|
||
threshold: 3
|
||
# 片段最小时长（秒）
|
||
min_clip_duration: 5
|
||
# 片段最大时长（秒）
|
||
max_clip_duration: 30
|
||
# 相邻片段合并间隔（秒）：间隔小于此值的片段合并为一个
|
||
merge_gap: 5
|
||
|
||
# 视频参数
|
||
video_params:
|
||
fade_duration: 1 # 淡入淡出时长（秒）
|
||
title_text: "精华片段" # 片头标题
|
||
title_duration: 3 # 标题显示时长（秒）
|
||
title_fontsize: 90 # 标题字号
|
||
title_color: FFFF00 # 标题颜色（黄色）
|
||
subtitle_fontsize: 24 # 字幕字号
|
||
subtitle_color: FFFFFF # 字幕颜色（白色）
|
||
whisper_model: large # Whisper模型
|
||
use_fast_whisper: true # 使用GPU加速
|
||
whisper_model_path: "D:/AI/LM-Models/faster-whisper/large-v3"
|
||
```
|
||
|
||
## 工作流程
|
||
|
||
### 1. 全视频转录
|
||
- 将视频分段（每5分钟一段）转录
|
||
- 输出带时间戳的JSON转录文件
|
||
|
||
### 2. 文本特征匹配
|
||
- 扫描所有转录文本，统计关键词出现频率
|
||
- 使用滑动窗口检测关键词密集区域
|
||
- 自动合并相邻的匹配区域
|
||
|
||
### 3. 片段提取
|
||
- 根据匹配的时间点提取视频片段
|
||
- 每个片段添加1秒淡入 + 1秒淡出
|
||
|
||
### 4. 视频合成
|
||
- **片头标题**：3秒90号黄色大字（带4px黑边），画面居中
|
||
- **字幕**：底部24号白字黑边
|
||
- **转场**：片段间1秒淡入淡出
|
||
- 输出：vN_final.mp4
|
||
|
||
## 输出文件结构
|
||
|
||
```
|
||
<项目目录>/
|
||
├── output/
|
||
│ ├── v1_final.mp4 # 最终视频
|
||
│ ├── subs/
|
||
│ │ └── v1_ai.srt # AI纠正后的字幕
|
||
│ └── intermediates/
|
||
│ ├── clip1.mp4 # 原始片段
|
||
│ ├── clip1_fade.mp4 # 带淡入淡出的片段
|
||
│ ├── full_transcript.json # 完整转录
|
||
│ └── concated.mp4 # 合并后的片段
|
||
└── config.yaml
|
||
```
|
||
|
||
## 已知限制
|
||
|
||
1. **Python版本限制**：Python 3.13不支持CUDA版PyTorch，必须使用3.11/3.12
|
||
2. **GPU依赖**：必须使用GPU加速，CPU转录速度慢10倍以上
|
||
3. **转录精度**：Whisper对音乐术语可能有识别误差
|
||
4. **文本特征**：特征关键词需要根据实际转录结果调整阈值
|