视频字幕提取与总结（B站+抖音+YouTube+小红书）

视频字幕提取与总结技能（B站 + 抖音 + YouTube + 小红书 + 本地文件） 技能概述

从 B站、抖音、YouTube、小红书视频及本地视频文件提取字幕（支持 API 字幕 + AI 语音识别双通道），生成结构化总结与信息密度评分，并提供弹幕分析、关键帧截图、说话人分离、SRT 字幕导出等高级功能。

支持的平台 平台 API字幕 ASR语音识别 总结评分 弹幕分析 链接格式 B站 ✅ ✅ ✅ ✅ bilibili.com/video/BVxxx 或 BVxxx 抖音 ❌ ✅ ✅ ❌ douyin.com/video/xxx 或 v.douyin.com/xxx YouTube ❌ ✅ ✅ ❌ youtube.com/watch?v=xxx 或 youtu.be/xxx 小红书 ❌ ✅ ✅ ❌ xiaohongshu.com/explore/xxx 或 xhslink.com/xxx 本地文件 ❌ ✅ ✅ ❌ /path/to/video.mp4 v3.0 新增功能 ✅ 一键流程 (流水线.py) — 自动完成全部步骤，代理 只需调一次 ✅ 批量处理 — 支持多个链接同时处理 ✅ B站收藏夹/合集 — 自动提取收藏夹内所有视频 ✅ 本地视频文件 — 直接拖入本地 mp4/mkv/mov 文件 ✅ YouTube 支持 — yt-dlp 下载音频 + ASR 识别 ✅ 小红书支持 — yt-dlp 下载音频 + ASR 识别 + 网页信息提取 ✅ SRT 字幕导出 — 标准字幕格式，可导入任意播放器 ✅ 说话人分离 — 识别多人对话（FunASR SD 模型） ✅ 弹幕分析 — 词频统计、密度图、高赞弹幕（仅B站） ✅ 关键帧截图 — 固定间隔或场景切换检测 脚本清单

所有脚本位于 ~/.workbuddy/技能s/bilibili-summarizer/scripts/：

脚本 功能 依赖 流水线.py ⭐ 一键流程（推荐使用） yt-dlp, ffmpeg, FunASR/Whisper video_fetcher.py 提取视频信息 + API 字幕（B站/抖音/YouTube/小红书） Python 标准库 / yt-dlp video_audio.py 下载/提取视频音频（B站/抖音/YouTube/小红书/本地） yt-dlp, ffmpeg speech_to_text.py 语音转文字（ASR + 说话人分离 + SRT导出） FunASR 或 Whisper danmaku_分析器.py B站弹幕分析（词频/密度/热评） Python 标准库 frame_提取器.py 关键帧截图（间隔/场景检测） ffmpeg subtitle_管理器.py 字幕收藏管理 Python 标准库 bilibili_fetcher.py B站专用（向后兼容） Python 标准库 bilibili_audio.py B站专用（向后兼容） yt-dlp, ffmpeg ⭐ 推荐使用：一键流程（流水线.py） 单个视频 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "https://www.bilibili.com/video/BVxxxx" python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "https://v.douyin.com/xxx" python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "https://youtube.com/watch?v=xxx" python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "https://www.xiaohongshu.com/explore/xxx" python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "/path/to/local_video.mp4"

批量处理 # 多个链接空格分隔 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接1" "链接2" "链接3"

# B站收藏夹 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py --collection "https://space.bilibili.com/xxx/fav列出?fid=xxx"

可选功能 # 导出 SRT 字幕 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接" --格式化 srt

# 提取关键帧截图 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接" --frames

# 弹幕分析（仅B站） python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接" --danmaku

# 说话人分离 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接" --diarize

# 全部功能 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/流水线.py "链接" --all

分步使用（高级场景） 第一步：尝试提取 API 字幕（B站） python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/video_fetcher.py "B站链接或BV号"

输出 JSON，包含 信息（视频信息）和 subtitle（字幕内容）。

若 subtitle.状态 为「已提取」且 subtitle.plAIn_text 有内容，直接进入第四步（总结 + 评分） 若「无字幕」或「下载失败」，进入第二步 抖音/YouTube/本地文件：直接跳到第二步 第二步：下载/提取音频 # 在线视频（B站/抖音/YouTube） python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/video_audio.py "视频链接"

# 本地视频文件 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/video_audio.py "/path/to/video.mp4"

第三步：语音转文字（增强版） # 基本识别 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/speech_to_text.py "音频文件路径"

# 导出 SRT 字幕格式 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/speech_to_text.py "音频文件路径" --格式化 srt

# 说话人分离（仅 FunASR） python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/speech_to_text.py "音频文件路径" --diarize

说话人分离输出示例：

[00:15][说话人0] 今天我们聊聊人工智能的发展 [00:32][说话人1] 我觉得AI最大的问题是可控性 [01:05][说话人0] 对，这个观点我同意

第四步：生成结构化总结

根据提取到的字幕（API 或 ASR）和视频信息，按以下模板输出。

重要： 代理 必须利用自身知识库，对视频作者和视频中提到的关键人物进行背景调查和分析，帮助用户判断视频的信息可信度和价值。

📺 视频总结

标题： {title} 作者： {owner} 平台： B站 / 抖音 / YouTube / 小红书 / 本地文件 时长： {duration} 标签： {tags} 字幕来源： API字幕 / ASR语音识别（{engine}）

---

👤 作者背景

（根据作者名称和视频内容，搜索/回忆该作者的背景信息：

• 身份/职业（如：某领域专家、自媒体博主、企业高管、学者等）
• 知名度和影响力（粉丝量级、行业地位）
• 擅长领域/内容方向
• 历史争议或口碑
• 可信度评估：🔴 低 / 🟡 中 / 🟢 高，并说明原因）

🧑 视频主人公/关键人物

（视频中重点讲述的人物，如果与作者是同一人则标注"即作者"并合并说明。 多人则分别列出，每人包含：

• 姓名/称呼
• 身份/职业
• 与视频主题的关系
• 可信度评估：🔴 低 / 🟡 中 / 🟢 高，并说明原因
• 值得关注的点（如：是否有利益相关、是否有权威背书等））

🎯 核心主题

（一句话概括视频核心讲了什么）

📋 内容大纲

（按视频时间线列出 3-7 个关键节点，格式：[MM:SS] 主题）

💡 核心观点 / 关键信息

（提炼 3-5 条最有价值的结论或知识点）

🔑 关键词

（5-10 个关键词）

背景调查规则：

优先利用 代理 自身知识库中关于该作者/人物的信息 如果无法确认背景，明确标注"⚠️ 未能确认该作者/人物背景，建议自行搜索核实" 不要编造或猜测未知的背景信息 对涉及医疗、法律、金融等敏感领域的观点，必须额外标注可信度警告 第五步：信息密度评分

信息密度 = 单位时间内传递的有效知识/信息量，满分 10 分。

评分维度：

维度 说明 权重 语速密度 字符数 / 时长（秒），值越高越密集 20% 知识含量 是否包含数据、概念、方法、案例 30% 逻辑结构 内容是否有清晰的论点-论据结构 20% 冗余度 重复、闲聊、过渡语比例（越低越好） 15% 实用性 观看后能直接应用的比例 15%

输出格式：

---

📊 信息密度评分

综合评分：X.X / 10 ⭐⭐⭐⭐⭐

维度	评分	说明
语速密度	X/10	...
知识含量	X/10	...
逻辑结构	X/10	...
冗余度	X/10	...
实用性	X/10	...

评分说明： （为何得这个分，适合什么类型的观众） 观看建议： （正常速度 / 1.5x / 2x，或跳过某些章节）

第六步：高级分析（可选） 弹幕分析（仅B站） # 基本弹幕分析（词频 + 密度 + 热评） python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/danmaku_分析器.py "B站链接或BV号"

# 仅高频词 python3 ~/.workbuddy/技能s/bilibili-summarizer/scripts/danmaku_分析器.py "BV号" --top-words 2