Install
openclaw skills install video-slicerVideo Slicer — 视频智能切片工具
视频智能切片工具。从长视频中按主题切割出3-5分钟（最长8分钟）的独立完整短视频片段， 适用于自媒体内容制作、演讲精华提取、课程视频剪辑、会议录像精剪等场景。 完整工作流：关键帧采样→视觉定位→Whisper音频转写→内容分析→ffmpeg精准切割。 支持中文语音识别（Whisper + MPS加速）。 当用户提到"视频切割""视频切片""切短视频""演讲精华""截取视频片段""视频剪辑" "自媒体视频""提取演讲片段""会议精剪"时触发此技能。
Audits
PassVideo Slicer — 视频智能切片 Skill
从长视频中自动定位目标演讲/段落，切割出适合自媒体发布的独立短视频（3-5min，最长8min）
推荐模型:
glm-5v-turbo| 兼容: 所有多模态 Agent
核心能力
| 能力 | 说明 |
|---|---|
| 关键帧采样 | 均匀/精细两种模式，快速定位目标时间段 |
| Whisper 转写 | 本地中文语音识别，MPS GPU 加速，支持繁简转换 |
| 内容智能分析 | 基于转写文本自动设计切片方案（主题+时间戳） |
| 精准切割 | ffmpeg H.264 重编码，句子边界对齐，高质量输出 |
| 批量处理 | 支持一次规划多个切片，一键批量输出 |
适用场景
- 自媒体账号运营：从长演讲/直播中截取金句片段
- 教育内容制作：课程视频分章节剪辑
- 会议纪要精剪：从3h+会议录像中提取核心发言
- 播客/访谈剪辑：按话题分段发布
- 个人知识管理：录制内容归档整理
工作流程（4个 Phase）
Phase 1: 快速预览（~2min）— 定位目标区域
Step 1 — 获取视频信息
# 获取时长、分辨率、编码格式
ffmpeg -i <video.mp4> 2>&1 | grep -E "Duration|Stream|Video"
Step 2 — 粗粒度关键帧采样（每5分钟一帧，把握整体结构）
VIDEO="path/to/video.mp4"
OUT_DIR="./frames"
mkdir -p "$OUT_DIR"
for t in $(seq 0 5 200); do
ts=$(printf "%02d:%02d:00" $((t/60)) $((t%60)))
ffmpeg -y -ss "$ts" -i "$VIDEO" -frames:v 1 -q:v 2 "${OUT_DIR}/frame_${ts}.jpg" 2>/dev/null
done
Step 3 — 目视检查关键帧 → 用 Read 工具查看每帧图片 → 定位目标演讲者的大致时间段
Phase 2: 精细定位（~3-5min）— 精确起止点
Step 4 — 过渡区间精细采样（每2分钟一帧）
# 在疑似起始/结束区间前后精细采样
for m in 38 40 42 44 46; do
ffmpeg -y -ss "00:${m}:00" -i "$VIDEO" -frames:v 1 -q:v 2 "./frames/fine_00_${m}.jpg" 2>/dev/null
done
Step 5 — 提取音频 + Whisper 转写
这是最关键的步骤。对于长视频（>30min），必须先提取音频片段再转写：
# 5A: 先用 ffmpeg 提取目标区间的音频（比直接喂视频快10倍）
ffmpeg -y -i "$VIDEO" -ss 00:40:00 -to 01:07:00 \
-vn -acodec copy ./transcript/segment.aac
# 5B: Whisper 转写音频（Python）
import os, ssl, certifi, json, torch, whisper
from opencc import OpenCC
# macOS SSL 必需修复
ssl._create_default_https_context = lambda: ssl.create_default_context(cafile=certifi.where())
os.environ['SSL_CERT_FILE'] = certifi.where()
AUDIO = "./transcript/segment.aac"
START_OFFSET = 2400 # 音频起点对应的全视频偏移量(秒)
device = "mps" if torch.backends.mps.is_available() else "cpu"
model = whisper.load_model("base", device=device)
result = model.transcribe(AUDIO, language="zh", verbose=False,
initial_prompt="根据视频主题设置关键词提示")
# 繁简转换 + 时间戳校正
cc = OpenCC('t2s')
segments = []
for seg in result["segments"]:
segments.append({
"start": round(seg["start"] + START_OFFSET, 1),
"end": round(seg["end"] + START_OFFSET, 1),
"text": cc.convert(seg["text"].strip())
})
# 保存结构化结果
with open("./transcript/speech.json", "w", encoding="utf-8") as f:
json.dump(segments, f, ensure_ascii=False, indent=2)
print(f"[OK] 转写完成! {len(segments)} 个片段")
Phase 3: 内容分析与切片规划
Step 6 — 分析转写文本，设计切片方案
基于 speech.json 中的带时间戳文本，Agent 需要设计合理的切片方案：
切片设计原则
| 原则 | 说明 |
|---|---|
| 时长控制 | 每段 3-5 分钟，最长 不超过 8 分钟 |
| 单一主题 | 每段聚焦一个明确的核心论点/概念 |
| 开头 Hook | 以金句/故事/数据冲击开头，前3秒抓住注意力 |
| 结尾完整 | 在句子自然结束处切断，不截断语义 |
| 可选过渡 | 段间允许 5-10 秒重叠，保证衔接自然 |
常见切片模式参考
| 类型 | 时长 | 适用场景 |
|---|---|---|
| 开场震撼篇 | 4-5min | 背景、问题引入、数据冲击 |
| 核心概念篇 | 5-6min | 主要论点、定义解释、框架介绍 |
| 高观点/新观点篇 | 4-5min | 哲学思考、范式转换、认知升级 |
| 实践指南篇 | 4-5min | 原则、方法论、操作步骤、案例 |
| 展望总结篇 | 3-4min | 未来趋势、行动呼吁、价值升华 |
切片方案输出格式
将方案保存为 JSON 供切割脚本使用：
[
{
"clip_id": 1,
"start": "00:40:00",
"end": "00:45:00",
"title": "教育为什么必须变",
"theme": "开场震撼",
"hook": "工业时代的教育体系已经过时了...",
"duration_sec": 300
}
]
同时生成人类可读的 clips_plan.md 文档。
Phase 4: 执行切割
Step 7 — ffmpeg 逐段精准切割
V="/path/to/source.mp4"
O="./output"
mkdir -p "$O"
# 单段切割命令模板（H.264重编码确保精确切割点）
ffmpeg -y -ss <START_TIME> -to <END_TIME> -i "$V" \
-c:v libx264 -preset fast -crf 18 \
-c:a aac -b:a 128k \
"${O}/clipN_<标题>.mp4"
参数说明：
| 参数 | 值 | 含义 |
|---|---|---|
-c:v libx264 | H.264 | 兼容性最好的视频编码 |
-preset fast | fast | 编码速度与质量平衡点 |
-crf 18 | 18 | 高质量（越小越好，0-51，推荐 17-23） |
-c:a aac | AAC | 通用音频编码 |
-b:a 128k | 128kbps | 音频质量足够好 |
批量切割脚本：
#!/bin/bash
V="$HOME/Downloads/source_video.mp4"
OUT="./output"
mkdir -p "$OUT"
# 从 clips_plan.json 读取并切割
while IFS=',' read -r start end filename title; do
echo ">>> 切割: $title ($start -> $end)"
ffmpeg -y -ss "$start" -to "$end" -i "$V" \
-c:v libx264 -preset fast -crf 18 \
-c:a aac -b:a 128k \
"${OUT}/${filename}.mp4" 2>/dev/null
done < clips.csv
echo "=== 全部完成 ==="
ls -lh "$OUT"/*.mp4
一键脚本用法
Skill 附带 Python 一键脚本，支持基础自动化：
# 完整工作流（采样帧 + 转写短视频 + 输出结构化数据）
python3 {baseDir}/scripts/video_slicer.py <视频文件路径> [输出目录]
# 示例
python3 {baseDir}/scripts/video_slicer.py ~/Downloads/演讲视频.mp4 ./my_output
注意: 对于超过 30 分钟的视频，脚本会跳过全量转写（避免超时），需要 Agent 手动指定时间范围后调用
transcribe_segment()函数。
环境依赖
| 工具 | 版本要求 | 用途 | 安装方式 |
|---|---|---|---|
| ffmpeg | >= 5.0 | 视频/音频处理核心引擎 | brew install ffmpeg |
| Python | >= 3.10 | Whisper 运行环境 | 系统 / conda |
| openai-whisper | >= 20231117 | OpenAI 本地语音转文字模型 | pip install openai-whisper |
| opencc-python-reimplemented | >= 0.1.2 | 繁体中文→简体转换 | pip install opencc-python-reimplemented |
| PyTorch | >= 2.0 | Whisper 底层依赖（含 MPS 支持） | pip install torch |
一键安装依赖
pip install openai-whisper opencc-python-reimplemented torch
brew install ffmpeg # macOS
Whisper 模型选择指南
| 模型 | 大小 | MPS速度* | 中文质量 | 推荐场景 |
|---|---|---|---|---|
tiny | 39MB | 最快 (~5x) | 差 | 仅用于粗略定位，不推荐生产使用 |
base | 139MB | 快 (~1x) | 中等良好 | 日常使用推荐 ✅ 默认选择 |
small | 461M | 中等 (~0.5x) | 较好 | 需要高精度转写时 |
medium | 1.5GB | 慢 (~0.15x) | 好 | 专业级（慎用，非常慢） |
* MPS 速度为相对于 base 模型在 Apple M 系列芯片上的大致倍率
文件输出规范
完成后的标准输出目录结构：
project_output/
├── output/ # ✅ 最终切片视频（交付物）
│ ├── clip1_<主题>.mp4 # 每个 3-8 min，H.264 编码
│ ├── clip2_<主题>.mp4
│ └── clipN_<主题>.mp4
├── frames/ # 采样关键帧（调试/定位用）
│ ├── frame_00:00:00.jpg
│ ├── frame_00:05:00.jpg
│ └── fine_00_40.jpg # 精细采样帧
├── transcript/ # 转写文本数据
│ ├── speech.json # 结构化 JSON（含精确时间戳）
│ ├── speech.txt # 可读纯文本
│ └── segment.aac # 提取的音频片段
└── clips_plan.md # 切片方案文档（人工可审阅）
常见问题与避坑指南
Q1: 全视频太长（3h+），Whisper 处理超时怎么办？
A: 这是新手最容易踩的坑！ 核心优化技巧——先提取音频再转写：
# ❌ 错误：直接喂 3 小时视频给 Whisper（可能需要 30min+ 或直接 OOM）
whisper long_video.mp4 --model base --language zh
# ✅ 正确：先用 ffmpeg 提取 27 分钟音频片段，再转写（只需 2-3min）
ffmpeg -y -i long_video.mp4 -ss 00:40 -to 01:07 -vn -acodec copy segment.aac
whisper segment.aac --model base --language zh
Q2: 切割后视频开头有黑屏/画面滞后？
A: 使用 re-encoding 模式（-c:v libx264）而非 stream copy（-c:v copy）。重编码模式能确保切割点的帧级精确度。
Q3: 如何保证每个切片在完整句子处结束？
A: 利用 Whisper 转写的 sentence-level 时间戳（segments[].end），找到最近的句子结束时间作为切割终点。不要用任意秒数切割。
Q4: Whisper 转出的中文是繁体字？
A: 这是正常现象（Whisper 训练数据包含大量繁体文本）。使用 OpenCC 的 t2s 模式即可自动转换为简体。
Q5: macOS 上运行报 SSL Certificate 错误？
A: 在导入 whisper 之前添加以下代码：
import ssl, certifi
ssl._create_default_https_context = lambda: ssl.create_default_context(cafile=certifi.where())
os.environ['SSL_CERT_FILE'] = certifi.where()
Q6: 视频是 HEVC/H.265 编码，切割后不兼容？
A: 使用 -c:v libx264 重编码为 H.264 即可解决兼容性问题。
版本历史
| 版本 | 日期 | 变更说明 |
|---|---|---|
| 1.0.0 | 2026-05-16 | 初始版本，基于中关村「教育+科技」创新周实战验证 |
| 1.1.0 | 2026-05-16 | 增加 ClawHub 元数据规范，优化 description 触发词 |
| 1.2.0 | 2026-05-16 | 完整用户手册，标准化输出格式，兼容性增强 |
相关文档
- 详细用户手册:
{baseDir}/README.md - 一键脚本源码:
{baseDir}/scripts/video_slicer.py