SAOS-3624/dsh-video-storyboard

解决的问题

该工具解决了使用AI分析视频时面临的高Token成本和信息丢失问题。它不再发送数百个单独的帧（这会消耗过多Token）或仅依赖字幕（这会丢失视觉上下文），而是创建了一个简洁的多模态视频摘要。

工作原理

它将视频处理为一张“故事板”图像（关键帧网格），并配以带时间戳的文本列表。该列表包含时间戳、对话和镜头计数。通过将视觉信息压缩为一种小巧且Token高效的格式，它使AI模型能够在无需处理每一帧的情况下理解视频的内容、节奏和对话。

适用人群

它专为那些希望快速了解视频内容、识别关键时刻或定位特定场景，同时又不想承担全帧分析高昂成本的用户而设计。对于需要在视觉上下文和文本细节之间取得平衡的用户来说，它是理想的选择。

亮点

• Token高效： 将90秒的视频总结为约1,900个Token，比逐帧分析便宜得多。
• 多模态摘要： 将视觉帧网格与基于文本的转录和镜头列表相结合。
• 灵活分析： 支持本地视频文件和通过 yt-dlp 链接，并提供可选的 ASR（自动语音识别）功能用于处理对话。
• 深度缩放： 包含 video_zoom 功能，如果初步摘要不足以分析，可以更详细地分析特定片段。
• 基于证据： 为每个故事板生成一个 .evidence.json 文件，允许用户根据原始视频验证时间戳和内容。