Agent Skills
返回列表
视频智能拆解

视频智能拆解

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_a751d310/video-analyzer-v1。

技能介绍

视频素材往往包含大量信息，但手动整理既费时又容易遗漏细节。当你准备为视频生成文案、标题或简介时，第一步通常是"看懂视频"。

它能做什么

这个技能把多模态大模型变成视频分析师，自动完成从原始视频到结构化理解的转换。

  • 关键帧提取：通过 OpenCV 按固定间隔采样，无需人工逐帧筛选
  • 亮度过滤：自动丢弃过暗或过曝的帧，减少无效输入
  • 场景理解：将筛选后的帧发送至 NVIDIA Nemotron，通过 OpenRouter 接口获取语义描述
  • 结构化输出：返回标准化 JSON，可直接被下游文案生成或视频处理技能消费

处理流程

整体分为四个阶段：

  1. 帧提取：用 opencv-python 读取视频文件，按间隔采样帧序列
  2. 亮度过滤：通过亮度阈值筛选有效帧，避免浪费 token 在无效画面上
  3. 多模态分析：将帧序列打包发送至 NVIDIA Nemotron，模型输出场景描述、对象、动作等语义信息
  4. JSON 输出：按统一 schema 格式化，方便后续技能直接解析

适用边界

  • 依赖项目根目录下的 core/model_providers.py 与 core/logger.py，所有命令必须在项目根目录执行
  • 需要在 .env 文件中配置 OPENROUTER_API_KEY
  • 依赖 opencv-python、requests、python-dotenv 三个 Python 包
  • 适合视频内容的批量预处理，不适合实时视频流分析
  • 输出质量取决于关键帧采样密度与模型的视觉理解能力

使用场景

  • 视频创作者需要为多个短视频批量生成文案时，先通过此技能提取关键帧分析场景内容，再将结果交给文案生成技能使用。
  • 新媒体运营需要整理竞品视频库时，用该技能自动提取场景描述和画面元素，建立视频素材索引供后续检索调用。
  • 内容平台审核团队在处理用户上传视频时，通过该技能快速识别视频中的关键场景，辅助判断内容合规性。
  • 教育视频制作者需要为教学视频添加自动字幕和章节标记时，先用此技能分析视频帧内容，再将结构化数据传递给字幕生成工具。

适合人员

  • 视频平台运营人员，需要批量处理用户上传视频并生成内容描述供推荐系统使用。
  • 短视频内容创作者，希望快速分析自己的视频内容并生成有吸引力的文案和标题。
  • AI应用开发者，正在构建视频理解流水线，需要可靠的帧提取和场景分析模块。
  • 数字营销分析师，需要从广告视频中提取关键视觉元素和场景信息用于竞品分析。