Blogger 视频切片工具

此技能仅适用于本地视频文件。请勿从链接下载视频；须先请用户提供本地文件路径。

核心目标是“内容优先”式切片：每个导出的视频片段应完整承载一个清晰的内容要点。目标时长为 15–20 秒，但当该时长限制与语义完整性冲突时，应以保留完整表达为优先。

必备依赖

• 运行内置脚本：scripts/slice_blogger_video.py。
• 系统环境变量 PATH 中需包含 ffmpeg/ffprobe，或安装 Python 包 imageio-ffmpeg。
• 需配备一个本地语音转文字（STT）工具：
  • 首选 faster-whisper；
  • 次选 openai-whisper。
• 若任一依赖缺失，应中止执行，并明确告知用户需安装的具体组件。严禁虚构字幕文本，亦不可输出空片段。

执行命令

在技能所在目录下运行：

python scripts/slice_blogger_video.py --input "video.mp4" --output "output"

常用可选参数示例：

python scripts/slice_blogger_video.py --input "video.mp4" --output "output" --min-duration 15 --max-duration 20 --language zh --review-only --keep-temp --flat-output

默认行为

• 自动创建下一个顺序编号的输出子目录：output/no.1、output/no.2、output/no.3 等。
• 除非用户明确要求替换或覆盖，否则绝不覆盖此前生成的视频结果。
• 默认仅导出核心内容片段。除非用户明确要求添加品牌标识（如片头/片尾），否则不插入任何导视或署名视频。
• 为每个片段生成三张封面候选图，文件名简洁：如 clip_001-1.jpg、clip_001-2.jpg、clip_001-3.jpg。
• 封面帧优先选取能清晰呈现情绪或动作的画面：例如可爱表情、微笑、努力感、艰辛感、高难度动作、意外反应，或其他具备点击吸引力的关键瞬间。

处理流程

1. 确认输入路径指向一个有效的本地视频文件。
2. 提取音频轨道。
3. 使用本地语音识别模型对音频进行带时间戳的转录。
4. 基于转录文本的语义分段构建候选片段。
5. 优先在标点符号、停顿、句末及自然过渡短语处进行剪辑。
6. 裁剪无关的起始与结尾部分：
   • 移除问候语、清嗓、填充词、铺垫性内容等与主体话题无关的部分；
   • 移除话题切换、行动号召（CTA）、重复填充内容，以及片段末尾已开始进入下一要点的内容；
   • 保留理解主体内容所必需的上下文信息。
7. 除非指定 --review-only 参数，否则导出最终视频片段。
8. 生成每秒预览帧（per-second preview frames）、分镜图（storyboard images）、封面图（cover images）及分析报告。
9. 运行完成后，校验以下各项数量是否齐备：clips、previews、storyboards、covers、report.csv 与 report.md。

输出目录结构

output/
  no.1/
    clips/
      clip_001.mp4
    previews/
      clip_001/
        second_000.jpg
        second_001.jpg
    storyboards/
      clip_001.jpg
    covers/
      clip_001-1.jpg
      clip_001-2.jpg
      clip_001-3.jpg
    report.csv
    report.md

report.csv 各列说明：

• clip_id
• start_time
• end_time
• duration
• topic
• reason
• trimmed_intro
• trimmed_outro
• clip_path
• storyboard_path
• cover_1_path
• cover_2_path
• cover_3_path

质量标准

• 若某一片段涵盖两个无关联的内容要点，则必须拆分或拒绝该片段。
• 裁剪与片段核心主题不匹配的开头与结尾部分。
• 仅当完整表达需要时，才允许片段时长短于 15 秒或长于 20 秒。
• 利用每秒预览帧与拼接式分镜图，核查首尾秒画面是否仍与中间内容保持主题一致。
• 在报告中明确说明每个片段的入选理由，以及被裁剪掉的起始/结尾内容类型。