Video Summarizer Skill
多平台视频摘要工具，支持 YouTube 和 B站（未来可扩展更多平台），支持单个视频、频道扫描、每日批量处理。
功能
- ✅ 获取 YouTube 视频信息（yt-dlp）
- ✅ 提取字幕/transcript（youtube-transcript-api）
- ✅ B站视频下载 + 语音转录（yt-dlp + faster-whisper，本地，无需 API Key）
- ✅ B站关键帧提取（ffmpeg，每 30 秒一帧，供 agent 视觉分析）
- ✅ 生成深度摘要（LLM API）
- ✅ 输出 JSON 格式（agent 自行处理发送）
- ✅ 支持多频道配置
- ✅ 过滤 Shorts（< 5 分钟）
- 🔮 架构可扩展：新增平台只需添加 extractor 模块
安装
cd ~/.openclaw/skills/video-summarizer
./setup.sh
安装完成后会引导你选择默认图文模式（可随时重新配置）：
📋 选择默认图文模式:
1) text-only - 纯文字，不抽帧（最快）
2) auto-insert - 自动选帧插入文档（推荐平衡）
3) ai-review - AI 智能选图（默认，最佳效果，多消耗 ~5-8k token）
请选择 [1/2/3] (默认 3):
配置写入 config/settings.json，可随时运行 video-summarizer --setup 重新配置。
跨平台依赖安装
Linux（当前已支持）
sudo apt install ffmpeg
pip install faster-whisper yt-dlp youtube-transcript-api innertube
macOS
brew install ffmpeg
pip install faster-whisper yt-dlp youtube-transcript-api innertube
Windows
# 安装 ffmpeg（推荐 chocolatey 或 scoop）
choco install ffmpeg
# 或 scoop install ffmpeg
pip install faster-whisper yt-dlp youtube-transcript-api innertube
注意事项
- 路径分隔符：脚本已使用
path.join()，跨平台兼容
- faster-whisper：Windows 下需要 CUDA 或 CPU 模式（无 CUDA 时自动 fallback CPU，速度较慢）
- Chrome cookies：各平台路径不同，yt-dlp 会自动处理
- Python 版本：需要 Python 3.9+
核心依赖说明
| 依赖 | 用途 |
|---|
yt-dlp | 视频下载、信息获取（YouTube + B站） |
youtube-transcript-api | YouTube 字幕提取 |
innertube | 绕过 YouTube API 限流 |
faster-whisper | B站语音转文字（本地，无需 API） |
ffmpeg | 音频提取 + 关键帧截取（系统级） |
工作原理
Skill 使用多种方法获取字幕，避免 YouTube 限流：
- innertube ANDROID client + Cloudflare proxy - 主要方法，绕过限流
- youtube-transcript-api - 备用方法
B站视频使用 yt-dlp 下载音频 → faster-whisper 本地转录，全程无需外部 API。
使用
三种图文模式
| 模式 | 说明 | 额外 token | 适用场景 |
|---|
text-only | 纯文字，不抽帧 | 0 | 快速摘要、纯文字需求 |
auto-insert | 固定规则选帧，按时间戳插入（帧偏移+5s避转场） | ~0 | 平衡速度与图文效果 |
ai-review ← 默认 | 基于文章结构反向选图，可补帧/删帧/替换 | ~5-8k | 最佳图文效果 |
ai-review 流程（文章驱动选图）：
- Skill 抽帧 → 固定规则多选（~15-20帧，比最终需要多50%）
- 先写纯文字版文档（分好章节）
- 逐章判断：需要配图？→ 从已选帧匹配 / 补帧 / 跳过
- 输出精选帧 + 画面描述 + 对应章节
auto-insert 流程：
- Skill 抽帧 → 固定规则选帧（多选留余量）
- 帧时间偏移 +5s（避开转场）
- 按时间戳匹配章节，全部插入
通过以下方式指定模式（优先级从高到低）：
- CLI 参数
--mode
- 环境变量
SUMMARY_MODE
config/settings.json 中的 default_mode
1. 单个视频摘要（YouTube）
video-summarizer --url "https://www.youtube.com/watch?v=VIDEO_ID"
2. B站视频摘要
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx"
# 短链接也支持（自动跟随跳转）
video-summarizer --url "https://b23.tv/xxxxx"
# 指定图文模式
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --mode text-only
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --mode auto-insert
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --mode ai-review
# 自定义 whisper 模型（精度更高，但更慢）
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --whisper-model large-v3
# 跳过关键帧提取（等效 --mode text-only）
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --no-frames
# 自定义关键帧间隔（默认30秒一帧）
video-summarizer --url "https://www.bilibili.com/video/BV1xxxxx" --frame-interval 60
3. 频道扫描（过去 24 小时）
video-summarizer --channel "UC_x5XG1OV2P6uZZ5FSM9Ttw" --hours 24
4. 每日批量处理（Cron 用）
video-summarizer --config /path/to/channels.json --daily --output /tmp/video_daily.json
配置文件格式
channels.json:
{
"channels": [
{
"name": "Lex Fridman",
"id": "UCSHZKyawb77ixDdsGog4iWA",
"url": "https://www.youtube.com/@lexfridman"
},
{
"name": "Y Combinator",
"id": "UCcefcZRL2oaA_uBNeo5UOWg",
"url": "https://www.youtube.com/@ycombinator"
}
],
"hours_lookback": 24,
"min_duration_seconds": 300,
"max_videos_per_channel": 5
}
输出格式
{
"generated_at": "2026-02-14T11:17:00Z",
"items": [
{
"title": "视频标题",
"url": "https://youtube.com/watch?v=...",
"video_id": "VIDEO_ID",
"platform": "youtube",
"channel": "频道名",
"duration": "15:30",
"published": "2026-02-14T08:00:00Z",
"has_transcript": true,
"summary": "# 摘要内容（markdown）\n\n### 🎯 核心问题..."
},
{
"video_id": "BV1xxxxx",
"title": "B站视频标题",
"url": "https://www.bilibili.com/video/BV1xxxxx",
"platform": "bilibili",
"has_transcript": true,
"transcript_path": "/tmp/bili_BV1xxxxx_transcript.txt",
"frame_files": ["/tmp/bili_BV1xxxxx_frames/frame_001.jpg", "..."],
"frame_count": 12,
"summary": "# 摘要内容（markdown）..."
}
],
"stats": {
"total_videos": 5,
"with_transcript": 4,
"without_transcript": 1
}
}
环境变量
| 变量 | 用途 | 必须 |
|---|
LLM_API_URL | 自定义 LLM API 端点 | 否 |
LLM_API_KEY | 自定义 LLM API Key | 否 |
LLM_MODEL | 自定义模型名 | 否 |
OPENCLAW_GATEWAY_TOKEN | OpenClaw Gateway token | 否 |
GITHUB_TOKEN | GitHub token（有 Copilot 订阅时可用） | 否 |
POLLINATIONS_API_KEY | Pollinations API Key | 否 |
SUMMARY_MODE | 图文模式：text-only / auto-insert / ai-review | 否 |
WHISPER_MODEL | B站 whisper 模型大小（默认 small） | 否 |
FRAME_INTERVAL | B站关键帧间隔秒数（默认 30） | 否 |
FRAME_TIME_OFFSET | 帧时间戳偏移秒数，避开转场（默认 5） | 否 |
无需任何 Key 也可运行：转录功能不需要 API Key；摘要功能会尝试 Pollinations 免费匿名调用。
故障排查
字幕获取失败
- 视频可能没有字幕
- 输出 JSON 中
has_transcript: false
- Agent 应生成简短摘要（基于标题/描述）
yt-dlp 限流
- 设置
REQUEST_DELAY_SECONDS (默认 3 秒)
- 减少
max_videos_per_channel
