Feishu Video Editor

基于飞书平台，支持视频下载、语音识别、静音检测、智能裁剪、字幕生成及自动上传功能的视频编辑工具。

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_model	base	Whisper 模型：tiny/base/small/medium/large
output_dir	~/Videos/edited	输出目录
auto_upload	true	自动上传到飞书云空间
silent_threshold	-50	静音检测阈值（dB）
min_silent_duration	1.0	最小静音时长（秒）
ffmpeg_preset	medium	FFmpeg 编码预设
max_file_size_mb	100	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
v1.0.0	2026-03-21	MVP 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