20秒视频切片

解决什么问题

博主长视频里往往只有少数几段真正有信息量，但人工切片需要反复拖动进度条、标记时间点、逐个导出，工作量大且切点随意。常见结果是：问候语、口癖、话题转换甚至下一段的开头被留在片段里，或者为了凑时长把两个无关的观点塞进同一条。

核心能力与工作方式

这个技能只处理本地视频文件，通过本地语音识别理解内容，按「一个片段只讲一个内容点」的原则自动切片，目标时长 15-20 秒。

核心流程：

• 先确认输入是本地视频文件（不从链接下载），提取音频并用 faster-whisper（或退回 openai-whisper）转写，拿到带时间戳的转录文本；
• 在标点、停顿、句末和自然过渡处生成候选切点，优先让片段落在完整的句子上；
• 修剪无关边缘：去掉寒暄、清嗓、口水词、与主体无关的铺垫，以及结尾处的话题转换、行动号召或下一点开头；
• 依次导出到 output/no.1、no.2 等目录，默认只保留核心片段，除非你明确要求加片头片尾；
• 每个片段生成 3 张封面候选（如 clip_001-1.jpg），优先截取表情、动作等有张力的画面，同时产出逐秒预览、故事板拼图和 report.csv / report.md，写清每个片段的选取理由与被剪掉的内容。

依赖缺失时会干净退出并提示需要安装什么，不会凭空编造转录内容或输出空片段。

适用边界与注意点

• 仅处理本地文件，请先用本地路径提供素材；
• 15-20 秒是目标而非硬约束：为保住完整语义，允许短于或长于该范围；
• 涉及两个无关观点的片段会被拆分或直接丢弃；
• 除非明确要求，不覆盖已有结果、不添加品牌包装；
• 转录完全在本地完成，识别质量受语音模型与音频清晰度影响。