# Video Edit Planner 视频剪辑规划助手

一个 agent skill，通过迭代式对话帮助规划视频剪辑——转录音频、按需提取关键帧、分析画面内容，最终生成结构化的剪辑规划。

**仓库地址**: https://git.nite07.com/nite/video-edit-planner-skill

## 功能特性

- **音频转录** — 内置 [funasr-script](https://github.com/modelscope/FunASR)，支持 Fun-ASR-Nano（高质量，中文优化）和 SenseVoice（快速预览）两种模型
- **按需抽帧** — 基于 ffmpeg 的片段剪辑（`-c copy`）+ 场景变化检测 + 均匀采样，优先使用硬件加速（CUDA/NVDEC）
- **产物索引** — SQLite 数据库记录所有转录、剪辑片段和帧图片，避免跨会话重复处理
- **视觉分析指引** — 二分查找式帧采样策略；兼容 agent 运行时提供的任何视觉模型
- **迭代式剪辑规划** — Markdown 表格输出（时间码、片段描述、操作建议、转场方式、备注），支持追问细化
- **Agent 无关** — 不包含任何平台特定工具名；兼容任何 agent 框架（Hermes、Claude Code、Codex 等）

## 快速开始

### 前置依赖

| 依赖 | 安装方式 |
|---|---|
| `ffmpeg` + `ffprobe` | Linux: `pacman -S ffmpeg` / `apt install ffmpeg`；macOS: `brew install ffmpeg`；Windows: `winget install Gyan.FFmpeg` |
| `uv` | Linux: `pacman -S uv`；macOS: `brew install uv`；Windows: `winget install astral-sh.uv`；备用: `pip install uv` |
| `python3` | Linux: `pacman -S python`；macOS: `brew install python`；Windows: `winget install Python.Python.3` |

### 安装 skill

**方式一：`npx skills add`（推荐）**

本 skill 兼容 [开放 agent skills 生态](https://www.npmjs.com/package/skills)，可以直接安装：

```bash
# 全局安装（跨项目可用）
npx skills add git@git.nite07.com:nite/video-edit-planner-skill.git -g -y

# 安装到指定 agent
npx skills add git@git.nite07.com:nite/video-edit-planner-skill.git -g -a claude-code -y

# 列出可用 skill（不安装）
npx skills add git@git.nite07.com:nite/video-edit-planner-skill.git --list
```

支持 73+ agent 框架，包括 Claude Code、Codex、Cursor、OpenCode 等。

**方式二：`git clone`（手动）**

```bash
git clone git@git.nite07.com:nite/video-edit-planner-skill.git ~/.hermes/skills/media/video-edit-planner
```

Hermes Agent 用户克隆到 `~/.hermes/skills/media/`。其他 agent 请遵循各自的 skills 目录约定。

### 首次使用

转录脚本需要一次性依赖安装：

```bash
cd ~/.hermes/skills/media/video-edit-planner/scripts/transcription && uv sync
```

这会创建一个隔离的 venv，包含 `funasr`、`torch`、`torchaudio`。如果你之前通过 uv 安装过这些包，缓存会被复用——首次成本仅为链接步骤。

## 工作流程

```
1. 检查依赖（ffmpeg、uv、python3）
2. 收集输入（视频路径 + 音轨索引）
3. 询问剪辑需求
4. 转录音频（如索引中已有缓存则跳过）
5. 按需提取片段和帧（agent 自主判断转录稿是否足够）
6. 用视觉模型分析帧（二分查找式采样）
7. 生成 Markdown 表格剪辑规划 + 总体建议
8. 迭代——用户追问，规划逐步细化
```

## 素材搜索（可选）

规划剪辑时，用户可能需要素材——贴纸、GIF、梗图视频片段、B-roll 等。skill 按需提供素材搜索指引。

### 素材来源

| 来源 | 网址 | 内容 | 适用场景 |
|---|---|---|---|
| 爱给网 | https://www.aigei.com/ | 中文梗图视频片段（热梗，4.2万+），免费下载 | 中文创作者（B站/抖音） |
| B站素材酷 | https://cool.bilibili.com/ | 哔哩哔哩平台素材（视频、音频、BGM、模板、贴纸） | B站创作者；大量中文梗图 |
| Tenor | https://tenor.com/ | GIF + 贴纸，支持 30+ 语言含中文，免费 API | 快速 GIF/贴纸搜索 |
| GIPHY | https://giphy.com/ | 最大 GIF 库，30+ 语言，贴纸频道 | 英文/多语言 GIF 搜索 |
| Klipy | https://klipy.com/ | 本地化 GIF/贴纸/片段 API，支持中文 | API 集成搜索，本地化 |

中文用户优先推荐爱给网和B站素材酷。

### B站素材酷搜索

B站素材酷没有内置搜索功能。可以使用 [bcut-resource-search](https://git.nite07.com/nite/bcut-resource-search) 油猴脚本添加搜索功能，或让 agent 直接查询 API。

## 目录结构

```
video-edit-planner/
├── SKILL.md                          # Skill 定义（工作流程、指引、注意事项）
├── README.md                         # 英文说明
├── README.zh.md                      # 本文件（中文）
├── scripts/
│   ├── transcription/                # 内置 funasr-script（自包含 uv 项目）
│   │   ├── pyproject.toml
│   │   ├── uv.lock
│   │   ├── funasr_common.py          # 共享：ffprobe、音频提取、模型运行
│   │   ├── funasr_nano.py            # Fun-ASR-Nano 入口（高质量）
│   │   ├── funasr_fast.py            # SenseVoice 入口（快速预览）
│   │   └── funasr_regular.py         # Paraformer 入口（对比用）
│   ├── frames/
│   │   └── extract_frames.py         # 片段提取 + 抽帧（ffmpeg 封装）
│   └── index/
│       └── manage_index.py           # SQLite 索引管理（8 个子命令）
└── references/
    └── frame-extraction-guide.md     # 视觉模型 token 成本、分辨率/批次指引
```

## 索引数据库

所有处理产物记录在 SQLite 数据库（`<视频文件名>.vedit.db`）中，存放在视频文件同目录：

- **transcription** — JSON 路径、音轨索引、时长
- **clips** — 起止时间、文件路径、提取原因
- **frames** — 时间戳、文件路径、场景分数、提取方法

这避免了跨会话对同一视频重复转录或重复抽帧。

## 许可证

MIT