Community寫作與編輯github.com

fermionoid/video-study

將影片、回放連結或螢幕錄影轉換為圖文並茂的逐字稿、操作指南或附時間戳的筆記。自動使用 Computer Use 觀看、跳轉並擷取相關畫面;也可用於格式化已有的逐字稿或字幕(含/不含投影片)。觸發關鍵詞包括:視頻截圖配文字、回放圖文、帶 Slides 的逐字稿、錄屏教程。

video-study 是什麼?

這是一個專為 AI 代理(例如 Claude Code、Cursor、Codex)設計的技能,旨在自動化處理影片內容並產出結構化的圖文文件。它能接收影片 URL、回放連結或螢幕錄影,透過 Computer Use 能力模擬使用者觀看播放器、跳轉至關鍵時間區段,並自動截取畫面。對於已存在的字幕或逐字稿,該技能也能直接進行格式編排與版面設計,無需重新觀看影片。 此技能支援多種輸出格式:完整的逐字稿、逐步視覺化的操作指南、以及附時間戳的簡要筆記。它會根據使用者的要求(例如「截圖配文字」)自動決定輸出類型,並使用內建的 HTML 模板進行排版,包含標題、事件元資料、來源說明與可點擊的目錄。對於較短的內容,則會省略目錄,以便閱讀。 在編輯流程上,此技能會保留原始順序、主張、範例、提問及注意事項,並進行適當的文字潤飾(如加入標點符號與段落分隔)。它會辨識並修正專有名詞與數字,對不確定的內容以標記(如「[聽不清]」)保留,並維持時間戳與說話者的對應。若提供投影片,則會將它們插入對應的討論段落旁,並附上標題與替代文字。 最終產出可為可搜尋的 PDF 或獨立 HTML 檔案,並會進行嚴格的品質驗證,包括檢查可選取的中文字型、目錄連結、分頁正確性,以及投影片是否被裁切或標題是否孤立於頁底。此技能大幅減少了人工觀看與編輯影片的時間,適合用於教學、會議記錄、內容重製等場景。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fermionoid/video-study/tree/HEAD

Installed? Explore more 寫作與編輯 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

影片研讀

對於影片、回放網址或螢幕錄影,請先從影片工作流程開始。當可用時自動使用 Computer Use 來檢查播放器、觀看相關時間區段並擷取畫面。現有的字幕或本地轉寫工具可以平行提供文字。如果使用者已經提供了逐字稿和視覺素材,只要求排版,就直接進入編輯階段。

選擇使用者要求的輸出類型。使用完整的逐字稿來製作「逐字稿」、一系列視覺步驟來製作操作指南、以及附時間戳的簡短說明來製作圖文筆記。對於未指定的「截圖配文字」要求,製作一個按時間排序的圖文閱讀版本,並包含時間戳。

使用 HTML 模板 進行排版。從標題和一行事件元資料開始,接著是描述來源、涵蓋範圍與編輯說明的簡短備註,對於較長的材料則加上可點擊的主題目錄。使用逐字稿的語言。對於較短的逐字稿,當標題已足夠時可省略目錄。

  1. 設定涵蓋範圍。 使用提供的逐字稿或字幕作為時間軸。當存在多個版本時,先根據時間戳和周圍的語音對齊,再解決不一致之處。保留原始檔案,在單獨的複本上進行編輯。如果要求的範圍從錄製開始之後才開始,請在開場備註中說明實際範圍。如果只有音訊存在,請先透過適當的授權媒體工作流程取得逐字稿。
  2. 編輯為可讀形式。 保留原始順序、主張、範例、提問、注意事項和答案。加入標點符號和段落分隔。在輕度編輯的對話中,移除明顯的口吃或重複的 ASR 片段(當意思保留時)。對於嚴格逐字稿,保留填充詞和重複。僅在證據支持更正時,才修正姓名、數字和專業術語。在原地標記不清楚的段落(例如 [聽不清] 或 [術語待核]);如果數量較多,保留一份附時間戳的審閱清單。描述實際的編輯和驗證程度。
  3. 建立閱讀順序。 根據實際討論的內容來命名章節。將短的 ASR 片段分組為完整的發言輪次。在自然的段落邊界處打斷長的獨白。在每個發言輪次的開頭放置來源時間戳和說話者,並將連續段落視覺上保持附著。在剪輯或編輯後使用原始回放時間。如果沒有時間戳,則省略。在身份不確定時使用中性的說話者標籤或 發言人待核。
  4. 在討論點放置投影片。 在相關發言輪次之後插入提供的投影片,並附上簡短標題和替代文字。將螢幕截圖裁剪至投影片本身,不裁剪投影片內容。對於提供的但其放置位置未經驗證的投影片,如果它們應屬於最終交付物,則使用標籤附錄。使用相對圖片路徑,並將素材與 HTML 一同交付,或者將圖片嵌入以產生獨立 HTML。對任何插入 HTML 的原始文字進行跳脫處理。
  5. 交付與驗證。 使用使用者要求的格式。當要求一份可分享的文件但未指定格式時,優先選擇可搜尋的 PDF,並將 HTML 保留為可編輯的源文件。使用瀏覽器的列印引擎,配合模板的 A4 邊距和列印背景進行匯出。逐章與原始來源比對,包括開頭和結尾段落、發言輪次順序,以及任何不確定或遺失的片段。開啟渲染後的 PDF,驗證可選取的中文字型和有效的目錄連結,並檢查代表性頁面,包括開頭、章節邊界、投影片和結尾。檢查是否有被裁剪的投影片、滯留在頁底的標題、被分割的標題、缺少的字形以及意外的空白頁。在修正後重新渲染。

將模板視為結構範例。替換所有範例文字、ID 和範例圖形;僅包含來源所保證的章節和圖形。使用提供的視覺層級結構作為預設,並在使用者要求時調整字型、顏色和頁面尺寸。

相關技能