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
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：
from faster_whisper import WhisperModel
model = WhisperModel("small", device="cpu")
segments, info = model.transcribe(audio_path, language="zh")
segments_list = list(segments)
输出：
Step 2 - MiniMax粗剪分析
目的：AI分析内容，生成粗剪分段方案
Prompt：
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：
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：
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：
# 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：
app_token: YOUR_APP_TOKEN
table_id: YOUR_TABLE_ID
或设置环境变量：
export FEISHU_VIDEO_APP_TOKEN="YOUR_APP_TOKEN"
export FEISHU_VIDEO_TABLE_ID="YOUR_TABLE_ID"
每条记录字段：
{
"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：
- 读取粗剪片段，按编号顺序拼接 →
粗剪版_final.mp4
- 读取精剪片段，按编号顺序拼接 →
精剪版_final.mp4
- 生成字幕并烧录
- 写入飞书：
{
"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：
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：
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：
- 读取飞书表格，筛选有打分的记录
- 按打分数字升序排列
- 生成拼接方案
- 显示方案给客户确认
- 确认后执行拼接
- 生成字幕
- 写入飞书
自定义拼接结果写入飞书：
{
"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
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
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 1 | Whisper转写 | ~15秒 |
| Step 2 | MiniMax粗剪分析 | ~10秒 |
| Step 3 | MiniMax精剪分析 | ~10秒 |
| Step 4 | FFmpeg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
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
~/.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
- 删除操作必须确认：切片前检查文件是否存在
- 飞书录入：确认Bitable app_token和table_id
- 自动拼接：Step 6在Step 5完成后立即执行，无需等待客户
- 客户打分：必须等客户在飞书填写后才能执行Step 7
- 版本选择：客户可选择任一版本，或重新打分生成新版本
