YvanDeng/viral-video-distiller-pro

Viral Video Distiller Pro

将视频变成可审计的证据包、可阅读的蒸馏报告和可直接执行的原创结构迁移方案。核心原则是：先取证、后分析；事实和推断分层；没有证据就明确降级。

触发与意图路由

优先保证“一句话使用”，不要要求用户复述证据等级、切镜算法、时间轴覆盖率或校验规则。

自动触发

满足任一项即进入本 Skill：

• 文本包含“分析/拆解/拉片/复刻/仿拍/模仿/研究”以及“视频/短视频/抖音/TikTok/Reels/小红书/B站/YouTube/口播”等视频语义。
• 输入包含可识别的视频平台 URL，例如 douyin.com、v.douyin.com、tiktok.com、xiaohongshu.com、xhslink.com、bilibili.com、b23.tv、youtube.com、youtu.be、instagram.com/reel。
• 输入包含本地视频路径或附件，扩展名为 .mp4、.mov、.mkv、.webm、.m4v、.avi、.flv、.ts。
• 用户只提供视频链接/视频文件但没有动词：默认理解为“分析这条视频”；先预检，不要求补一段长提示词。

不触发或转交

• 仅分析 PDF、Word、网页文章、图片或音频，且没有视频分析意图。
• 仅要求播放、上传、压缩、转码、下载或删除视频，不需要内容拆解。
• 只想快速总结视频内容且明确不要钩子、镜头、互动或生产脚本时，使用普通视频总结能力。

“分析”与“复刻”的默认行为

• “分析/拆解/拉片”：直接生成完整蒸馏生产包。
• “复刻/仿拍”：先自动完成原片分析；若用户已经给出新主题/受众，继续生成原创迁移脚本。
• 用户说“复刻”但没有新主题：分析不中断，先交付原片蒸馏与可替换槽位；只在生成具体新稿确实需要主题时，询问一个简短问题。
• 禁止要求用户确认镜头、证据等级、算法阈值、评分权重或报告字段，这些是 Skill 内部责任。

推荐用户提示词：帮我分析复刻这条抖音视频：<链接>。

适用输入

• 本地 .mp4、.mov、.mkv、.webm。
• 抖音公开链接；仅分析用户有权获取和研究的内容。
• 可选补充：平台数据截图/JSON、目标受众、新主题、账号定位。

如果只有文本、音频或关键帧，可以做局部分析，但不得声称完成全量视频蒸馏。将无法验证的模块写成 N/A。

必须交付

最终目录既是报告包，也是可继续剪辑和审计的生产资产包：

• 九个核心文件：蒸馏报告.md、evidence.json、transcript.json、逐字稿.md、逐秒时间轴.csv、复刻生产脚本.md、剪映执行清单.md、素材清单.md、质量自检报告.md。
• 生产资产：source_video.mp4、关键帧/、音频与转写/、分镜文件/、复刻SOP.md。

.venv、模型缓存、__pycache__、下载临时文件等可重建运行垃圾放到交付目录外的 work/。视频、帧、音频、转写、分镜和 SOP 属于可复核过程资产，必须交付。

执行流程

1. 预检与授权边界

运行：

python3 scripts/preflight.py "<本地路径或链接>"

• 本地文件不存在时先确认路径。
• 抖音链接运行 download_douyin.py：先尝试 yt-dlp；若提示 fresh cookies、登录/验证码失败，或环境没有 yt-dlp，脚本自动请求分享页 HTML、提取受限的抖音/字节视频 CDN 候选、下载并用 ffprobe 验证。两条路径都失败后才要求用户提供本地视频。
• 分享页 fallback 不得打印、保存或写入报告中的完整签名 CDN URL、Cookie、鉴权参数；不得绕过登录、验证码、付费或私密内容访问控制。只处理用户有权分析的公开分享链接。
• 不要仅根据标题、封面或网页简介生成逐秒报告。

2. 建立工作与交付目录

python3 scripts/scaffold_delivery.py <输出目录> --source "<来源>"

将 assets/templates/蒸馏报告.md 作为报告正文模板。

输出目录保存生产资产；在同级 work/ 或系统临时目录建立运行环境与缓存，不得在输出目录创建 .venv。

3. 提取确定性证据

本地视频运行：

python3 scripts/extract_evidence.py <视频> <工作目录/evidence>

工具会提取媒体元数据、16kHz 单声道分析音轨、静音区间、场景候选切点和 1fps 关键帧。将原视频规范化复制为 source_video.mp4，关键帧保存到 关键帧/，分析音轨与 ASR 原始结果保存到 音频与转写/。完整阅读 references/automated-visual-analysis.md：通过多信号自动确认切镜，低置信度结果自动降为疑似切镜或内部视觉事件。分析过程不要求人工参与，也不得把单一场景阈值结果称为真实镜头。

3a. 获取带时间戳的口播转写（ASR）

优先运行 Whisper（small 模型，跨平台，支持中文）：

python3 scripts/run_asr_whisper.py <视频或音频> <交付目录> [--model small] [--language zh]

• 首次使用自动下载模型（small 约 460MB，缓存在本机），并需安装依赖：pip install openai-whisper（或 faster-whisper）。
• 脚本输出带起止时间戳的转写，合并进 evidence/raw_evidence.json（analysis_mode.asr="A"、speech_metrics、ev-asr 证据项），并生成 transcript.json、逐字稿.md 与 音频与转写/asr_raw.json。
• ASR 原文不可变：每段保留 raw_text；可靠校正写入 normalized_text，并在 corrections[] 登记原词、修正词、依据和置信度。没有可靠依据时不校正。
• 无 whisper 且无法安装时：对应模块标 N/A，不得伪造语速；有其他 ASR 工具时按其输出合并，同样注册 ev-asr 并标实际等级。

若环境有 OCR 能力，生成字幕观察并合并进证据登记簿；若没有，将对应模块标 N/A 或使用直接多模态观察标 B。不要为了完整而编造。

4. 构建统一证据包

完整阅读 references/evidence-schema.md 与 references/analysis-protocol.md。把 raw_evidence.json 合并为交付目录的 evidence.json：

• 每项观察注册唯一证据 ID。
• 所有结论引用 evidence_ids。
• C 级推断写 rationale，并说明替代解释。
• 交付前写入 delivery_metrics.evidence_item_count = len(evidence_items)；《质量自检报告》引用该值，不得手工加总。
• 使用“外部资料/官方项目/交叉印证”等措辞时，将来源登记到 external_sources[]（id/title/url/accessed_at/grade），相关结论通过 external_source_ids 引用；未登记时删除该措辞，不得暗示已查证。
• 逐秒时间轴.csv 必须每秒一行且连续覆盖至少 95%；分别填写 visual_evidence_ids、audio_evidence_ids、subtitle_evidence_ids 和各模态置信度。视觉事实只能引用帧、OCR 或直接多模态观察，ASR 不能单独支撑视觉描述；音频、字幕同理。每行至少引用一条跨度不超过 15 秒且与该秒重叠的时间邻近证据。空白、黑场、静音也要占一行并写明状态。
• Hook 固定覆盖 0.000–3.000 秒，不能借用 3 秒后的信息。

5. 分析爆款机制

按以下顺序分析，避免先有结论再找证据：

1. 首帧、首句、字幕、声音、承诺和信息差。
2. ASR 停顿 + 语义转折 + 镜头候选切点的段落边界。
3. 有完整 ASR 才计算中文字符/分钟、语义停顿和重音；没有 ASR 时精确口播指标为 N/A。声学停顿、BGM、音效和响度独立分析。
4. 候选切点、自动确认切镜、疑似切镜、字幕刷新和内部视觉事件分别报告；综合视觉刷新率说明去重口径。
5. 字幕位置、占屏、行数、颜色、关键词强调、出现/退出动画。OCR/关键帧覆盖不足 95% 时，只能写“采样点观察到一致/基本一致”，禁止写“全片严格同步”。
6. 互动原句、时间戳、目标动作和留言机制。
7. 结尾五动作：点赞、关注、收藏、下期预告、开放式问题。
8. 按固定八维权重自动计算评分、覆盖率和缺失维度；不得手填总分。评分基于证据，不因用户称其为爆款而预设高分。
9. 每个核心段生成“事实→机制→观众反应→迁移公式”专家洞察；禁止只描述画面。

6. 生成结构迁移生产包

完整阅读 references/report-contract.md，按模板填写《蒸馏报告.md》。随后输出：

“一句话结论”先在 evidence.json.executive_summary 填满八个槽位，再组合成一个紧凑段落。工具链只能作为 C 级推断，并同时列出依据和替代解释；没有平台数据时使用“传播机制”，不要直接断言“爆款原因”。

若工具链仅为 C 级推断，复刻生产脚本.md 只能给工具无关流程或明确标注的候选实现，不得把推断的软件名升级成确定依赖、版本、安装命令或 CLI。只有实际执行验证并在 toolchain_inference.execution_verified=true 登记验证证据后，才可给确定命令。

• 复刻生产脚本.md：时间、功能槽位、原创口播、画面、字幕、音效、互动目的。
• 分镜文件/分镜表.csv：固定字段 time_range,shot_function,normalized_visual_text,normalized_spoken_text,asset_ids,evidence_ids,confidence。口播使用 transcript.json.normalized_text，屏幕文字保留原始 OCR 证据并另做规范化，不得把明显识别噪声直接交给剪辑；剪辑工程或 EDL/XML 也放入此目录。
• 复刻SOP.md：主题迁移、脚本、分镜、素材准备、剪辑、质检到发布的顺序化操作步骤。
• 剪映执行清单.md：轨道、切点、字幕模板、关键帧、音量、导出与发布前检查。
• 素材清单.md：素材角色、规格、来源/授权状态、替代素材；不得直接复用原片资产。
• 逐字稿.md 与 transcript.json：保留时间戳、说话人和置信度。
• 质量自检报告.md：记录证据缺口、自动降级结果、门禁结果和低置信度清单；不要求人工复核后才能交付。

这里的“一比一复刻”只指一比一映射结构槽位、节奏节点与镜头功能；台词、例子、人物、品牌、音乐和画面素材必须原创或已授权。

7. 运行生产门禁

python3 scripts/validate_delivery.py <交付目录>

只有输出 PASS 才能宣称完整交付。失败时按错误逐项修复，不得删除规则绕过。

8. 分析完成后的渐进式复刻引导

分析包通过门禁后，不要只告知文件路径，也不要一次性要求用户提交全部物料。复制 assets/templates/remake-brief.json 到交付目录，并按下列顺序每次只问一个当前必需问题；用户回答后立即写入 brief，再进入下一步：

先运行确定性编排脚本，让后续步骤真实消费分析产物：

python3 scripts/create_remake_project.py init --analysis <分析交付目录> --output <原创复刻工程目录>

脚本会读取报告、复刻生产脚本、SOP、时间轴、规范化分镜、素材与剪映清单，生成 remake-context.json 并返回唯一的 next_field/question。每次收到用户答案后执行：

python3 scripts/create_remake_project.py set --output <原创复刻工程目录> --field <next_field> --value "<用户答案>"

1. 新主题：先问“你想把这个结构迁移到什么主题？”这是唯一无可靠默认值的必答项。
2. 目标受众：根据主题推荐一个受众并让用户确认；用户已有账号定位时直接沿用。
3. 时长与画幅：根据参考片和发布平台给推荐值，例如抖音默认 60 秒、9:16；将两个强相关参数放在同一次确认中。
4. 呈现方式：从真人口播、录屏讲解、PPT/文字动画、纯素材混剪中推荐一种，只要求用户确认或改选。
5. 结尾动作：根据账号阶段推荐关注、收藏、评论问题或私域领取中的一个主 CTA。
6. 可用素材：最后才询问用户是否有头像、Logo、录屏、图片、配音或品牌色。没有素材时不要阻塞，提供 TTS + 原创占位图形 + 纯文字动画的降级方案。

每一步先展示“已确认内容 + 当前只需回答的问题”。用户说“你决定/默认即可”时采用推荐值继续，不重复追问。信息足够后自动生成原创复刻工程包：原创口播稿、SRT、规范化分镜、素材缺口表、剪映执行清单、发布文案和 render-manifest.json。

当脚本返回 status=ready 后运行：

python3 scripts/create_remake_project.py build --output <原创复刻工程目录>

随后 Agent 必须读取 生成任务.md、remake-context.json 和 remake-brief.json，填充工程包中的原创内容；不得把脚本生成的占位骨架冒充完成稿。

当前 Skill 的“一键生成”边界是：一键生成可执行复刻工程包，不承诺直接输出 MP4。只有运行时具备并实际验证 Remotion、剪映草稿或其他渲染后端时，才能把 render_backend 改为对应后端并宣称生成成片。

分析完成后的第一条引导固定为：

分析已经完成。下一步我可以带你把它迁移成一条原创视频，我们一次只确认一项。先告诉我：你想用这套结构讲什么新主题？

降级矩阵

可用证据	可完成	必须标 N/A
视频 + FFmpeg + ASR + OCR	全量分析	无法验证的平台数据
视频 + FFmpeg + Whisper ASR	媒体、音频候选、镜头候选、视觉观察、口播与词级时间戳	OCR 指标
视频 + FFmpeg，无 ASR/OCR	媒体、声学停顿、镜头候选、视觉观察	口播速度、语义节奏、重音、情绪曲线、口播评分与 OCR 指标；口播维度退出总分并重归一化
只有音频/带时间戳转写	口播、叙事、部分互动	镜头密度、视觉字幕包装
只有文本	文案结构与候选互动	所有精确音画指标
链接下载失败	链接层可见信息	逐秒视频分析；请求本地文件

禁止事项

• 禁止捏造播放量、发布日期、ASR、字幕颜色、镜头数或工具链。
• 禁止把算法候选切点直接当作自动确认切镜。
• 禁止要求人工确认或把人工复核设为交付前置条件；低置信度结果必须自动降级。
• 禁止 ASR 缺失时估算精确语速、重音或语义停顿。
• 禁止 ASR 缺失时填写口播语义节奏、情绪曲线或口播评分；必须标 N/A 并从综合评分分母移除。
• 禁止用长区间表格冒充逐秒时间轴。
• 禁止用重复章节摘要铺满逐秒时间轴，或用全片证据冒充该秒的直接证据。
• 禁止用 ASR 证据支撑颜色、构图、镜头、字幕样式等视觉事实，或用单一综合置信度掩盖模态证据缺失。
• 禁止在稀疏 OCR/关键帧采样下声称“全片字幕严格同步”。
• 禁止静默改写 ASR 原文；规范化文本必须保留 raw_text 和 corrections 溯源。
• 禁止手工估算证据总数，或声称外部资料交叉印证却不登记 external_sources。
• 禁止分镜继续使用已被 corrections 修正的原始误识别词；分镜必须带素材、证据与置信度字段。
• 禁止把 .venv、模型缓存或临时下载文件放入最终交付；也禁止删除原视频、关键帧、分析音频、转写、分镜或复刻 SOP。
• 禁止把 C 级工具链推断写成确定依赖或未经执行验证的安装、初始化、渲染命令。
• 禁止输出无法按固定权重复算的综合评分。
• 禁止用“约”“推测”掩盖无证据的精确数字。
• 禁止复制长段原台词、品牌包装、音乐或画面素材。
• 禁止只输出漂亮报告而缺少 evidence.json 和校验结果。
• 禁止 yt-dlp 首次失败就终止：抖音公开分享链接必须自动尝试分享页 CDN fallback；fallback 失败后才请求本地文件。
• 禁止记录或回显分享页中的 Cookie、完整签名 CDN URL 和鉴权查询参数，也不得用 fallback 绕过访问控制。