convez.ai
Skill
worldwonderer

video-recap-skills

worldwonderer/video-recap-skills

Ver no GitHub
BomPluginScore · de 0 a 100

Turn any video into a narration recap with claude code skill|用claude code skill把任何视频剪辑成中文解说视频,支持剪映导出

Instalação

$npx convez-ai worldwonderer/video-recap-skills

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
640
Forks
116
Acompanhando
3
Saúde
42%
Último commit
há 4 dias
Versão
v0.7.1
Issues abertas
1
Contribuidores
2

README

A tradução para o português deste README ainda está na fila.

video-recap-skills

License: MIT Claude Code Plugin Powered by Xiaomi MiMo

中文 · English

一句话,把视频做成中文解说 recap。 在 Claude Code 里说一声就开跑,本地只要 ffmpeg 加一个小米 MiMo 的 API Key——不用 GPU、不下模型,macOS / Linux / Windows 都能跑。

演示

https://github.com/user-attachments/assets/92698ec6-0d23-4f9f-8825-c3684ef57aff

成片之外,还能一键导出剪映草稿手动精修——原片、解说、BGM、字幕各一轨:

这是什么

flowchart LR
    research["背景调研"] --> understand
    video(["视频"]) --> understand["理解<br/>场景·ASR·VLM"] --> script["写稿<br/>Agent"] --> voiceover["配音<br/>MiMo TTS"] --> assemble["组装<br/>混音·字幕"] --> output(["Recap"])
    understand -. 剪辑模式:先剪后配 .-> cut["剪辑<br/>先剪成片"] -.-> script
    classDef io fill:#eef6ff,stroke:#4f86c6,color:#1f2937;
    classDef opt fill:#f3f4f6,stroke:#9ca3af,color:#374151;
    class video,output io;
    class research,cut opt;

为什么用它

  • 一个 key 跑全程。 ASR、VLM、TTS 全走小米 MiMo,本地除了 ffmpeg 没别的依赖。
  • 先查资料再写稿。 跑前把剧情、人物查清楚存进 background_research.json,VLM 才认得出谁是谁。
  • 解说成块,原声也成块。 解说一段段连着讲、整块一次配音,段间留白把精彩原声整段放回满音量——大致七三开。
  • 先剪后配,画面不串。 --edit-mode cut 先把长视频剪成成片,再对着成片写解说,时间轴天然对齐;出稿前还有一道 LLM 评审挑幻觉、钩子和主线。
  • 能接着在剪映里改。 可选导出多轨剪映草稿,原片、解说、BGM、字幕各占一轨;核心渲染只靠 ffmpeg,不装剪映照样出片。

安装

① 装插件——对 Claude Code 说:

安装这个插件:https://github.com/worldwonderer/video-recap-skills

② 装 ffmpeg(流水线本身不用 pip install,脚本都是标准库 + PATH 上的 ffmpeg,Python 3.10+):

brew install ffmpeg                        # macOS
sudo apt install ffmpeg                     # Debian/Ubuntu
choco install ffmpeg                        # Windows(或 scoop / winget install ffmpeg)

③ 配 MiMo API Key(一个 key 同时驱动 ASR / VLM / TTS,放环境变量、别写进仓库):

export MIMO_API_KEY=your-mimo-key
# tp-* 的 Token-Plan key 会自动连集群,可选 cn | sgp | ams:
export MIMO_TOKEN_PLAN_CLUSTER=cn

按量付费的 sk-* key 默认走 https://api.xiaomimimo.com/v1。其它都有默认值;想分别配 key/URL 或改模型、音色、响度、字幕等,见 配置手册。

怎么用

把视频丢给它,顺手给点视频背景:

给 /path/to/video.mp4 做个解说。这是《庆余年》第一集,主角是范闲。

它会分析视频、照背景写解说,产出带字幕的 recap_<名>.mp4。想要别的花样,照样一句话:

把 /path/to/long.mp4 剪成十分钟左右的解说短片,字幕压进画面。

背后是编排器把几个阶段串起来跑,中间停下来让 Agent 写解说(剪辑模式会停两次:先写 clip_plan.json 挑片段,剪成成片后再对着成片写 narration.json)。第一次跑前先自检环境:

python3 skills/video-recap/scripts/recap.py --doctor

架构

Skill职责输入 → 输出(work_dir 契约)
video-understanding场景检测 · 抽帧 · ASR(mimo-v2.5-asr)· VLM(mimo-v2.5)· 时间轴融合 · 生成 brief(--consolidate 索引默认开)视频 → scenes / asr_result / vlm_analysis / silence_periods / timeline_fusion / agent_narration_brief.md
video-script写作规则(SKILL.md)+ 评审(LLM 评委)+ lint/校验brief + 索引 → narration.json
video-cut片段计划 → 拼剪成片(剪辑模式先剪后配,解说按成片时间轴写,无需重映射)clip_plan.json + 视频 → edited_source.mp4
video-voiceover合成解说音频(MiMo TTS,mimo-v2.5-tts)narration.json → tts_segments/ + tts_meta.json
video-assemble混音 · 压低原声 · 渲染字幕 · 多轨时间线(可选导出剪映)视频 + tts_meta → recap_<名>.mp4 + subtitles.srt/.ass + timeline.json
video-recap编排器 + --doctor视频 → recap_<名>.mp4

输出

  • recap_<video>.mp4:成片(固定输出名,每次运行原地覆盖,迭代解说时刷新同一文件)。subtitles.srt(加 --burn-subtitles 时还有 subtitles.ass)
  • work_dir/narration.json:解说脚本(narration_lint.json 时间诊断、narration_review.md 评审意见)
  • work_dir/agent_narration_brief.md:给 Agent 的时间和场景 brief
  • work_dir/vlm_analysis.json · asr_result.json · silence_periods.json · timeline_fusion.json:理解产物
  • work_dir/clip_plan.json · edited_source.mp4 · recap_phase.json:剪辑模式产物(解说在成片时间轴上写,recap_phase.json 记录剪/配进度供断点续跑)
  • work_dir/timeline.json · work_dir/assembly_manifest.json · tts_segments/ · tts_meta.json:多轨时间线、渲染记录与 TTS 音频

参考文档

致谢

许可

MIT,见 LICENSE。

Ver o original no GitHub

Bom para

Relacionados