B站视频分析

问题

B 站视频内容通常分散在视频流、音频和画面信息里，手动截取、听写、整理字幕与画面要点容易碎片化。这个技能面向短视频分析场景，目标是从链接直接得到可读、可复核的结构化总结。

工作方式

• 输入：支持短链、B 站长链或纯 BVID。
• 下载与预处理：通过 bilibili-api-python 获取下载地址，用 aiohttp 下载 m4s 音视频；ffmpeg 转成 16kHz mono WAV，并按 fps=0.5 抽取关键帧。
• 字幕：本地 openai-whisper 的 medium 模型识别中文时间轴字幕，输出带时间戳的文本。
• 画面分析：根据视频时长选取 6-11 帧，用图像工具分析画面信息。
• 汇总：整合字幕、关键帧和画面结论，生成结构化总结，并通过消息工具发送到飞书。

边界与注意点

技能依赖 ffmpeg、Whisper 模型和本地缓存，适合短视频；60 秒视频约 3-4 分钟。下载必须带 Referer，文件名统一使用 BVID 以避免特殊字符。Whisper 可能输出繁体，需要简体可另行转换。它不做版权判断，也不保证所有 B 站内容都能稳定下载。