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，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

将本仓库克隆到你的 agent 的 skills 目录。以 Hermes Agent 为例：

git clone mygit:nite/video-edit-planner-skill.git ~/.hermes/skills/media/video-edit-planner

首次使用

转录脚本需要一次性依赖安装：

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

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

4.0 KiB Raw Blame History Unescape Escape