视频处理器
处理视频文件用于 YouTube 内容创作,并生成社交媒体图形。本技能提供四种主要功能:
- 转录与章节生成:将视频片段转换为带时间戳的文稿、SRT 字幕和 AI 生成的 YouTube 章节
- YouTube 缩略图生成:创建 AI 驱动的 YouTube 缩略图,支持人脸参考和风格匹配
- LinkedIn 帖子图片:生成专业的 LinkedIn 信息图和帖子图片
- 通用图片生成:为任意平台创建自定义尺寸和提示的图片
何时使用此技能
当用户出现以下情况时使用此技能:
- 希望转录视频文件或片段
- 需要生成 YouTube 章节
- 希望从现有文稿重新生成章节
- 想要创建 YouTube 缩略图
- 想要创建 LinkedIn 帖子图片或信息图
- 想要为其他平台(Instagram、Twitter、Facebook 等)生成图片
- 提到缩略图的人脸替换
- 询问为图形提供人脸或风格参考
选择合适的图片生成工具
该技能提供三个图片生成脚本。根据平台和需求选择:
使用 thumbnail.py(YouTube 缩略图)当:
- 用户提到“YouTube”、“缩略图”或“视频缩略图”
- 请求 16:9 宽高比
- 需要醒目、引人注目的风格,并希望包含人脸
- 默认尺寸:1920x1080
使用 linkedin-post.py(LinkedIn 信息图)当:
- 用户提到“LinkedIn”、“LinkedIn 帖子”或“商务信息图”
- 请求方形格式的信息图
- 需要专业、深色主题,不包含人脸
- 默认尺寸:1200x1200
使用 image-gen.py(通用)当:
- 指定了自定义尺寸(Instagram、Twitter、Facebook 等)
- 平台不是 YouTube 或 LinkedIn
- 用户明确请求灵活/自定义工具
- 用户提供了完整的提示,包含特定的风格要求
- 必需参数:
--dimensions WIDTHxHEIGHT
优先级: 当用例匹配时,始终优先使用 thumbnail.py 或 linkedin-post.py。将 image-gen.py 作为其他平台或自定义需求的备用方案。
安装与要求
视频处理器位于项目仓库的 video-processor/ 目录下。
要求:
- Python 3.9+
- uv 包管理器
- FFmpeg(用于转录)
- OpenAI API 密钥(用于 Whisper 转录)
- Gemini API 密钥(用于章节和缩略图)
- Replicate API 令牌(可选,用于人脸替换)
环境设置:
cd video-processor
uv sync
# 确保 .env 文件存在并包含所需的 API 密钥
1. 视频转录与章节
基本转录命令
转录视频片段并生成文稿、字幕和章节:
cd video-processor
uv run transcribe.py <文件夹路径>
示例:
uv run transcribe.py ./my-youtube-video/
输入格式
视频应放在一个文件夹中,并使用数字前缀排序:
my-youtube-video/
├── 1.mp4 # 介绍
├── 2.mp4 # 主要内容
├── 3.mov # 演示
└── 4.mp4 # 结尾
支持的格式: MP4、MOV、MKV、AVI、WEBM、M4V
输出文件
脚本在同一文件夹中生成三个文件:
-
transcript.md - 带时间戳的 Markdown 文件
# 文稿 [00:00] 欢迎回到频道... [00:15] 今天我们要讨论... -
transcript.srt - 用于视频编辑器/YouTube 的 SRT 字幕文件
1 00:00:00,000 --> 00:00:15,500 欢迎回到频道... -
chapters.txt - YouTube 章节建议(AI 生成)
0:00 介绍 2:30 设置 5:45 主要教程
功能特性
- 多片段支持:处理带编号的片段,自动计算时间戳偏移量
- 长视频支持:自动将超过 20 分钟的视频分割(API 限制)
- 带时间戳的文稿:Markdown 格式,包含精确时间戳
- AI 章节:Gemini 生成上下文相关的章节标记
仅重新生成章节
如果已有文稿并希望重新生成章节:
cd video-processor
uv run chapters.py <transcript.md 或 文件夹路径>
示例:
# 直接指向文稿文件
uv run chapters.py ./my-video/transcript.md
# 或指向包含 transcript.md 的文件夹
uv run chapters.py ./my-video/
使用场景:
- 在不重新转录的情况下调整章节
- 编辑文稿后重新生成
- 使用不同的 Gemini 模型
重要说明
- 片段必须放在一个扁平的文件夹中(无子目录)
- 视频按文件名前缀的数字顺序处理
- 预估费用:~$0.006/分钟音频(Whisper API)
- 长视频会自动分割以处理 API 限制
- 需要互联网连接
2. 缩略图生成
基本缩略图命令
生成 AI 驱动的 YouTube 缩略图:
cd video-processor
uv run thumbnail.py "您的缩略图创意"
默认行为:
- 生成 3 个变体
- 保存到:
./output/Thumbnails/[YYYY-MM-DD]/ - 如果存在,则使用
assets/face.jpg - 输出:1920x1080 PNG 文件
- 品牌指南:请参阅 references/brand-guidelines.md 了解色彩搭配、构图和风格最佳实践
缩略图参数
必需参数
- idea(位置参数):您的缩略图概念/创意
人脸参考选项
--face PATH:指定人脸参考图片(默认:assets/face.jpg)--no-face:不包含任何人脸参考--face-swap:使用 Replicate 进行后处理,替换真实人脸(需要 REPLICATE_API_TOKEN)
风格与参考
--style PATH:风格参考缩略图 - AI 匹配布局和美学--ref PATH:额外的参考图片(可多次使用)
Logo 与输出
--logo PATH:要合成到缩略图上的 Logo--logo-position [bottom-right|bottom-left|top-right|top-left]:Logo 位置(默认:bottom-right)-o, --output PATH:输出目录或文件路径--variations N:生成的变体数量(默认:3)
缩略图示例
基本 - 3 个变体,默认设置:
uv run thumbnail.py "对 Google 大规模裁员感到震惊的反应"
带风格参考:
uv run thumbnail.py "我的新视频创意" --style ./existing-thumbnail.jpg --face ./me.jpg
使用人脸替换以获得精确相似度:
uv run thumbnail.py "对新 AI 功能感到兴奋" --face ./me.jpg --face-swap
单个变体用于快速测试:
uv run thumbnail.py "快速测试创意" --variations 1
自定义输出目录:
uv run thumbnail.py "我的视频概念" -o ./custom-folder/
无脸(仅场景):
uv run thumbnail.py "屏幕上显示戏剧性的代码和错误" --no-face
带 Logo 覆盖:
uv run thumbnail.py "我的视频概念" --logo ./assets/logo.png
人脸参考设置
为了获得一致的缩略图:
-
将您的头像添加到
assets/文件夹:video-processor/assets/ ├── face.jpg # 默认人脸(自动加载) ├── face-excited.jpg # 其他表情 ├── face-shocked.jpg └── logo.png # 频道 Logo -
如果
assets/face.jpg存在,脚本会自动使用它 -
使用
--face覆盖以获得不同表情 -
使用
--no-face完全跳过人脸参考
风格参考
--style 标志匹配现有缩略图的美学:
- 整体布局和构图
- 配色方案和情绪
- 文本样式(字体粗细、颜色、位置)
- 背景样式和效果
非常适合保持一致的频道品牌形象。
品牌指南与最佳实践
重要:在生成缩略图之前,请阅读 references/brand-guidelines.md 了解:
- 蓝色品牌色的使用(作为强调色,而非主色)
- 自然肤色要求(面部无蓝色调)
- 平衡的配色方案(混合鲜艳的颜色)
- 文本高亮模式(1-2 个关键词用蓝色)
- 构图指南(布局、视觉流程)
- 经过验证的示例,来自过去成功的缩略图
这些指南确保缩略图保持品牌一致性,同时避免过度饱和或不自然光线等常见陷阱。
人脸替换以获得精确相似度
AI 生成的脸可能不精确。使用 --face-swap 进行后处理:
uv run thumbnail.py "我的视频创意" --face ./me.jpg --face-swap
工作原理:
- 使用 AI 生成缩略图(以人脸作为参考确定位置)
- 使用 Replicate 进行后处理,替换为您的真实人脸
设置:
- 在 https://replicate.com/account/api-tokens 获取 Replicate API 令牌
- 添加到
.env:REPLICATE_API_TOKEN=r8_your_token_here - 费用:~$0.003/次人脸替换(约 370 次替换/ $1)
缩略图规格
| 元素 | 值 |
|---|---|
| 分辨率 | 1920x1080(1080p) |
| 宽高比 | 16:9 |
| 格式 | PNG(或 JPG,使用 --output .jpg) |
| 默认变体数 | 3 |
| 模型 | 默认使用 Gemini 3 Pro(Nano Banana Pro) |
重要缩略图说明
- Gemini 模型支持参考图片;Imagen 不支持
- 费用:~$0.13/张图片(使用 Gemini 3 Pro)
- 人脸替换增加约 $0.003/张缩略图
- 3 张带人脸替换的缩略图:约 $0.40 总计
- 需要互联网连接
3. LinkedIn 帖子图片生成
基本 LinkedIn 图片命令
生成 AI 驱动的 LinkedIn 帖子图片和信息图:
cd video-processor
uv run linkedin-post.py "您的帖子概念"
默认行为:
- 生成 3 个变体
- 保存到:
./output/LinkedIn/[YYYY-MM-DD]/ - 输出:1200x1200 PNG 文件(LinkedIn 方形格式)
- 针对信息图布局进行了优化(无脸、白色背景、平面设计)
LinkedIn 图片参数
必需参数
- idea(位置参数):您的 LinkedIn 帖子概念/创意
风格与参考
--style PATH:风格参考图片 - AI 匹配布局和美学--ref PATH:额外的参考图片(可多次使用)
Logo 与输出
--logo PATH:要合成到图片上的 Logo--logo-position [bottom-right|bottom-left|top-right|top-left]:Logo 位置(默认:bottom-right)-o, --output PATH:输出目录或文件路径--variations N:生成的变体数量(默认:3)
LinkedIn 图片示例
基本 - 3 个变体:
uv run linkedin-post.py "AI 验证金字塔,5 层显示人类与代理责任"
带风格参考:
uv run linkedin-post.py "我的信息图概念" --style ./existing-infographic.jpg
单个变体用于测试:
uv run linkedin-post.py "快速测试" --variations 1
自定义输出目录:
uv run linkedin-post.py "我的概念" -o ./custom-folder/
带 Logo 覆盖:
uv run linkedin-post.py "我的信息图" --logo ./assets/logo.png
LinkedIn 图片规格
| 元素 | 值 |
|---|---|
| 分辨率 | 1200x1200(LinkedIn 方形) |
| 宽高比 | 1:1 |
| 格式 | PNG(或 JPG,使用 --output .jpg) |
| 默认变体数 | 3 |
| 模型 | 默认使用 Gemini 3 Pro(Nano Banana Pro) |
| 风格 | 专业信息图,无脸,平面设计 |
重要 LinkedIn 图片说明
- 针对专业商务信息图进行了优化
- 深色主题,现代时尚美学
- 不包含任何人脸或人物(纯图表/信息图风格)
- 蓝色配色方案,带渐变效果
- 信息密度高于 YouTube 缩略图
- 费用:~$0.13/张图片(使用 Gemini 3 Pro)
- 需要互联网连接
4. 通用图片生成
基本通用图片命令
生成自定义尺寸的 AI 驱动图片,适用于任何平台:
cd video-processor
uv run image-gen.py "您的图片概念" --dimensions WIDTHxHEIGHT
主要功能:
- 自定义尺寸(必需参数)
- 极简提示包装(最大灵活性)
- 支持风格参考
- 保存到:
./output/Images/[YYYY-MM-DD]/ - 默认:3 个变体
通用图片参数
必需参数
- idea(位置参数):您的图片概念,包含完整的提示详情
--dimensions WIDTHxHEIGHT:图片尺寸(例如 1080x1080、1200x675)
风格与参考
--style PATH:风格参考图片 - AI 匹配美学--ref PATH:额外的参考图片(可多次使用)
Logo 与输出
--logo PATH:要合成到图片上的 Logo--logo-position [bottom-right|bottom-left|top-right|top-left]:Logo 位置(默认:bottom-right)-o, --output PATH:输出目录或文件路径--variations N:生成的变体数量(默认:3)
通用图片示例
Instagram 方形帖子:
uv run image-gen.py "白色背景上的极简产品照片" --dimensions 1080x1080
Instagram 故事:
uv run image-gen.py "垂直励志名言设计" --dimensions 1080x1920
Twitter 帖子图片:
uv run image-gen.py "蓝色主题的技术公告图形" --dimensions 1200x675
Facebook 封面照片:
uv run image-gen.py "专业商务页眉" --dimensions 820x312
带风格参考:
uv run image-gen.py "我的概念" --dimensions 1200x1200 --style ./reference.jpg
常用尺寸参考
| 平台 | 尺寸 | 宽高比 | 命令 |
|---|---|---|---|
| YouTube 缩略图 | 1920x1080 | 16:9 | 使用 thumbnail.py 代替 |
| LinkedIn 方形 | 1200x1200 | 1:1 | 使用 linkedin-post.py 代替 |
| Instagram 方形 | 1080x1080 | 1:1 | --dimensions 1080x1080 |
| Instagram 故事 | 1080x1920 | 9:16 | --dimensions 1080x1920 |
| Twitter 帖子 | 1200x675 | 16:9 | --dimensions 1200x675 |
| Facebook 帖子 | 1200x630 | 1.91:1 | --dimensions 1200x630 |
| Pinterest 图钉 | 1000x1500 | 2:3 | --dimensions 1000x1500 |
通用图片说明
- 此工具提供最大的灵活性,但提示需要更详细
- 建议在提示中包含平台名称和风格,以获得更好效果
- 费用:~$0.13/张图片(使用 Gemini 3 Pro)
- 需要互联网连接