skills/video-analysis/SKILL.md

name, description

name	description
video-analysis	视频内容分析技能，支持视频转录，内容分析，知识提取。当用户提到分析视频、视频转录、提取视频内容时触发。

视频分析技能

概述

能力	说明	脚本
视频转录	使用Whisper等工具转录视频内容	scripts/transcribe_video.py
快速转录	备用转录方案，支持多种方法	scripts/quick_transcribe.py
内容分析	结构化分析视频内容，提取关键信息	scripts/analyze_video_content.py
简单转录	基础转录功能	scripts/simple_transcribe.py
音频转MP3	使用edge-tts生成音频	scripts/text_to_speech.py

配置

环境要求

1. FFmpeg: 用于提取音频
2. Whisper/faster-whisper: 用于语音识别
3. edge-tts: 用于生成音频（微软TTS）
4. Python依赖: openai-whisper, faster-whisper, edge-tts, pydub, moviepy

安装依赖

pip install openai-whisper faster-whisper edge-tts pydub moviepy

推荐：使用 faster-whisper（更快）

# 比原版 Whisper 快10倍
pip install faster-whisper

# 使用示例
python -c "from faster_whisper import WhisperModel; model = WhisperModel('tiny', device='cpu', compute_type='int8'); segments, info = model.transcribe('audio.wav', language='zh'); text = ' '.join([s.text for s in segments]); print(text)"

推荐：使用 edge-tts 生成音频

pip install edge-tts

# 使用示例
import edge_tts
import asyncio

async def main():
    with open('script.txt', 'r', encoding='utf-8') as f:
        text = f.read()
    communicate = edge_tts.Communicate(text, 'zh-CN-XiaoxiaoNeural')
    await communicate.save('output.mp3')

asyncio.run(main())

执行规范

视频文件预处理

1. 文件名处理: 避免中文特殊字符和引号
2. 编码检查: 确保文件可正常读取
3. 路径处理: 使用绝对路径或相对路径

转录流程

1. 提取音频（WAV格式，16kHz，单声道）
2. 加载Whisper模型（自动下载tiny/base模型）
3. 执行转录
4. 保存文本结果

分析流程

1. 读取转录文本
2. 结构化分析内容
3. 提取关键概念、技术、原理
4. 生成分析报告

快速使用

基础转录

python .opencode/skills/video-analysis/scripts/transcribe_video.py "video.mp4"

快速转录（备用方案）

python .opencode/skills/video-analysis/scripts/quick_transcribe.py "video.mp4"

内容分析

python .opencode/skills/video-analysis/scripts/analyze_video_content.py "视频标题" "transcription.txt"

故障排除

常见问题

1. Whisper模型下载失败: 检查网络连接，或手动下载模型
2. FFmpeg未安装: 安装FFmpeg并添加到PATH
3. 内存不足: 使用tiny模型而非base模型
4. 中文识别不准: 尝试base模型或添加语言参数

备用方案

如果本地Whisper太慢或不可用：

1. 使用在线API（需配置API Key）
2. 使用其他开源工具（FunASR等）
3. 手动转录关键部分

应用场景

知识提取

• 教育视频内容分析
• 技术教程转录
• 演讲/讲座内容整理

内容分析

• 心理学视频技巧分析
• 商业策略视频解析
• 技能教学视频总结

研究用途

• 媒体内容分析
• 语言模式研究
• 信息传播研究

输出格式

转录文本

• 纯文本格式
• 包含时间戳（可选）
• 分段清晰

分析报告

• JSON结构化数据
• 关键概念提取
• 技术要点总结
• 伦理风险评估

最佳实践

1. 文件命名: 使用英文名，避免特殊字符
2. 路径管理: 保持工作目录整洁
3. 模型选择: 根据需求选择tiny/base模型（faster-whisper推荐tiny）
4. 结果验证: 人工检查关键部分准确性
5. 知识沉淀: 转录结果存入知识库系统
6. 音频生成: 生成MP3前先确保文本是纯文本（无MD格式）

常见问题

Whisper转录太慢

• 使用 faster-whisper 替代，比原版快10倍
• 使用 tiny 模型而非 base 模型

生成MP3有杂音

• 确保输入文本是纯文本，无井号等特殊字符
• 使用 edge-tts 的 Xiaoxiao 语音效果较好

相关技能

• knowledge-base-builder: 知识库建设框架
• file-reader: 文档读写编辑
• log-analyzer: 日志分析技能

---

技能版本: v1.1.0 创建日期: 2026-02-19 更新日期: 2026-02-21 新增: faster-whisper, edge-tts