zenstory-ai/video-recap-skills
Claude Code / Codex skills that turn a video into a Chinese narration recap (视频解说): scene detection, ASR, VLM, script, TTS, ffmpeg assembly, optional editable JianYing / CapCut draft export (剪映草稿导出). Local ffmpeg + one MiMo key, no GPU. | 用 Claude Code skills 把视频做成中文解说成片，可选一键导出可编辑剪映草稿。
解决的问题
本项目为 Claude Code、Codex CLI、OpenCode 或 OpenClaw 等 AI Agent 提供一组 AI 驱动的技能，可自动将一个或多个视频转换为专业的中文视频摘要（recap）。系统处理从理解视觉与音频内容到最终渲染的完整制作流程，大幅减少创建长视频内容的有声摘要所需的手动工作量。
如何工作
系统通过七个专门技能协作完成，通过工作目录中的结构化 JSON 和 MP4 文件进行通信：
- 理解：通过小米 MiMo 使用 ASR（自动语音识别）和 VLM（视觉-语言模型）分析场景、对话和静音。
- 脚本：一个 Agent 担任导演，制定故事大纲，确定视觉/音频板，并撰写旁白脚本。
- 剪辑：根据脚本计划，将源视频剪辑为粗剪版本。
- 配音：使用小米 MiMo 或 Fish Audio 生成 AI 旁白。
- 合成：混合音频（旁白时降低原声），渲染字幕，并生成最终 MP4 文件。
- 参考：可选地拆解现有摘要，分析其结构与节奏，供未来使用。
- 编排：一个主控技能，负责管理端到端的整个流程。
适用人群
希望在保持对故事节奏和最终输出高度创意控制的前提下，自动化创建有声视频摘要（recap）的内容创作者、视频编辑者和 AI 爱好者。
亮点
- 原生 Agent 工作流：可作为 AI 编码 Agent 的插件安装，用户可通过自然语言触发制作流程。
- 专业制作逻辑：优先考虑“故事节奏”和“观众承诺”，而非简单摘要，确保摘要具有戏剧性结构。
- 无需 GPU 的本地执行：仅需本地安装
ffmpeg；ASR、VLM、TTS 的重负载任务通过 API（小米 MiMo）处理。 - 可编辑的草稿：可将最终时间线导出为 CapCut / Jianying 草稿，允许用户在专业编辑器中手动微调结果。
- 详细审计日志：为每一步生成机器可读日志，包括质量检查报告和修订历史，确保事实准确性。
相关
- 项目
- 项目
- 项目
- 项目
- 项目