zenstory-ai/video-recap-skills

解决的问题

本项目提供一个自动化流程，将长视频自动转换为简洁的中文解说式回顾视频（摘要）。通过使用AI代理完成从内容理解到最终合成的整个创作过程，彻底消除手动视频剪辑、脚本撰写和配音制作的需求。

工作原理

该系统作为一组可集成到Claude Code、Codex CLI、OpenCode或OpenClaw等AI代理主机中的「技能」运行。工作流程包括以下阶段：

1. 理解：通过小米MiMo API使用ASR（自动语音识别）和VLM（视觉-语言模型）分析场景，提取文本，并生成内容概要。
2. 规划：代理充当导演和编辑，制定故事大纲、视觉/音频板以及最终的解说脚本。
3. 剪辑：系统可选择先剪辑视频再根据编辑后的时间线撰写脚本，或先撰写脚本再进行剪辑。
4. 配音：使用小米MiMo或Fish Audio TTS生成高质量解说。
5. 合成：使用 ffmpeg 将剪辑后的视频、配音、背景音乐和字幕合并，生成最终的MP4文件。也可导出基于schema的草稿，供在CapCut（剪映）中进一步手动优化。

适用人群

希望无需专业编辑软件或高算力本地硬件，即可快速生成视频摘要或回顾内容的内容创作者、社交媒体管理者及普通用户。

核心亮点

• 无需本地GPU：ASR、VLM、TTS等所有重负载任务均通过API处理，本地仅需Python和ffmpeg。
• 代理驱动工作流：AI负责创意决策（如视角、主线剧情），而非仅执行机械式摘要。
• CapCut集成：支持导出可编辑草稿至CapCut，便于手动精细调整。
• 多视频支持：可从多个源视频合成一个完整故事，并复用本地素材库的分析结果以节省成本。
• 灵活TTS：支持小米MiMo、Fish Audio等多个提供商，且支持自定义语音克隆。