| name | video-minutes |
| description | 智能视频纪要生成器 - 自动提取视频语音、生成字幕、智能分类总结，输出结构化纪要文档
**MUST use this skill when user mentions:**
- 处理视频、生成视频纪要、视频转文字、视频总结
- 会议录像整理、网课笔记、视频内容提取
- "帮我总结这个视频"、"提取视频字幕"、"视频转笔记"
- 录屏整理、直播回放分析、培训视频归档
**支持的视频类型 (auto-detected):**
- meeting: 会议录像 → 待办事项 + 决议 + 负责人
- lecture: 课程/讲座 → 知识点图谱 + 时间戳
- interview: 访谈/采访 → Q&A 整理 + 观点对比
- presentation: 演讲/汇报 → 核心论点 + 数据可视化
- podcast: 播客/对话 → 金句摘录 + 话题索引
- tutorial: 教程/演示 → 步骤清单 + 关键截图提示
**支持的数据源:**
- 本地视频文件 (.mp4/.mov/.mkv/.avi)
- Zoom 录制自动扫描
- 腾讯会议/钉钉录制
- YouTube/B站链接 (yt-dlp)
- 网盘分享链接 (阿里云盘/百度网盘)
**Do NOT use when:**
- 仅需视频转文字无总结需求 (直接用 whisper)
- 视频无音频轨道或音频质量极差
- 实时视频流处理 (需先录制)
- 视频时长超过 4 小时 (建议分段处理)
**触发关键词:** video, 视频, 纪要, 字幕, 总结, meeting, 会议, 课程
|
Video Minutes Skill
智能视频纪要生成器，支持多类型视频自动分类、智能总结、任务分发。
核心特性
- 🤖 AI 自动分类: 自动识别视频类型（会议/课程/访谈等），应用对应模板
- 📝 智能总结: 提取核心要点、行动项、关键决策
- 🏷️ 任务分发: 通过 @tags 将待办分发给其他 skill 执行
- 🔗 多源支持: 本地文件、Zoom/腾讯会议录制、在线视频链接
- 🌐 多语言: 自动检测语言，支持中英日等 99+ 语言
- 📊 多种输出: Markdown/Obsidian/Notion/飞书文档
首次设置 (First-Time Setup)
配置优先级检测:
test -f "video-minutes/config.yaml" && echo "project"
test -f "$HOME/.ai-agent/skills/video-minutes/config.yaml" && echo "user"
test -f "$HOME/.video-minutes-config.json" && echo "legacy"
| 结果 | 操作 |
|---|
| 找到 YAML | 读取并应用 |
| 找到 legacy JSON | 迁移到 YAML 格式 |
| 未找到 | 执行首次设置向导 (阻塞操作) |
首次设置向导 (BLOCKING)
⚠️ CRITICAL: 未检测到配置文件时，必须先完成设置向导，阻塞后续所有视频处理操作。
使用 AskUserQuestion 一次性呈现所有问题，等待用户回答后再继续。
🎬 Video Minutes 配置向导
让我为您配置视频纪要生成的默认偏好：
**1. 默认输出语言**
视频语音通常为哪种语言？
- 🌐 自动检测 (推荐)
- 🇨🇳 中文
- 🇺🇸 英文
- 🇯🇵 日文
- 其他: __________
**2. Whisper 模型选择**
语音转文字精度 vs 速度偏好？
- ⚡ Tiny (最快，适合快速预览)
- 🚀 Base (推荐，平衡速度质量)
- 🎯 Small (更精准，慢 2x)
- 🏆 Medium (高精度，慢 4x)
- 💎 Large (最佳质量，慢 8x，需 GPU)
**3. 输出格式偏好**
纪要文档保存为哪种格式？
- 📝 Markdown (推荐，通用)
- 📔 Obsidian (带双链和标签)
- 📊 Notion (自动同步到数据库)
- 🚀 飞书文档 ( Lark )
**4. 输出内容选项**
纪要包含哪些内容？(多选)
- ✅ 内容摘要 (一句话总结)
- ✅ 核心要点 (分点列出)
- ✅ 详细时间线 (带时间戳)
- ✅ 行动项追踪 (TODO 列表)
- ✅ 完整字幕 (可选折叠)
- ✅ 发言人识别 (如果可区分)
**5. 自动扫描路径** (可选)
自动监控哪些目录的新视频？
- 📹 Zoom 录制文件夹
- 📹 腾讯会议录制
- 📹 钉钉会议录制
- 📂 自定义路径: __________
**6. 任务分发集成**
检测到行动项时如何分发？
- ❓ 先问我确认 (推荐)
- 🤖 自动分发到对应 skill
- 📋 仅汇总列出，不分发
**7. 视频类型偏好**
您最常处理的视频类型？
- 💼 会议录像 (提取 TODO)
- 📚 课程讲座 (知识笔记)
- 🎙️ 访谈播客 (Q&A 整理)
- 🎤 演讲汇报 (观点提炼)
- 🛠️ 教程演示 (步骤清单)
配置保存路径: ~/.claude/skills/video-minutes/config.yaml
version: "1.1.0"
output:
language: auto
format: obsidian
directory: "~/Documents/video-minutes"
filename_template: "{date}-{type}-{title}"
content:
include_summary: true
include_key_points: true
include_timeline: true
include_action_items: true
include_transcript: true
transcript_collapsed: true
speaker_identification: true
max_summary_points: 10
whisper:
model: base
device: auto
compute_type: int8
language: null
classification:
enabled: true
confidence_threshold: 0.7
dispatch:
confirm_before_dispatch:
[]
使用方法
命令行用法
python video-minutes/generate_minutes.py <视频路径>
python video-minutes/generate_minutes.py meeting.mp4 --type meeting
python video-minutes/generate_minutes.py lecture.mp4 -o ~/Notes/课程.md
python video-minutes/generate_minutes.py interview.mp4 --language zh
python video-minutes/generate_minutes.py presentation.mp4 --model medium
python video-minutes/generate_minutes.py video.mp4 --transcript-only
python video-minutes/generate_minutes.py ~/Recordings/ --batch
自动扫描
python video-minutes/scripts/scan-and-process.py
python video-minutes/scripts/scan-and-process.py ~/Downloads --since-hours 24
python video-minutes/scripts/queue.py --list
python video-minutes/scripts/queue.py --stats
视频类型分类系统
自动分类逻辑
视频文件
↓
音频指纹分析 + 内容采样
↓
分类模型 (Gemini/本地模型)
↓
类型判断 + 置信度评分
↓
选择对应模板生成纪要
分类维度
| 维度 | 检测指标 | 影响 |
|---|
| 说话人数量 | 单/双/多人 | note/podcast vs meeting/interview |
| 对话模式 | 独白/问答/讨论 | lecture vs interview vs meeting |
| 内容特征 | 任务/知识点/观点 | 提取 TODO vs 知识图谱 vs 金句 |
| 视觉线索 | PPT/白板/屏幕分享 | presentation vs tutorial |
| 时长 | <15min/15-60min/>60min | 详略程度 |
7 种视频类型
1. Meeting (会议录像)
特征: 多人参与、任务分配、决策讨论
输出重点:
- 参会人员列表
- 核心决议清单
- 行动项追踪表（含负责人、截止日期）
- 待跟进事项
模板: templates/meeting.md
# 会议纪要: {{title}}
## 📋 会议信息
- **日期**: {{date}}
- **时长**: {{duration}}
- **参会人**: {{participants}}
- **视频**: {{video_path}}
## 🎯 核心决议
{{decisions}}
## ✅ 行动项
| 任务 | 负责人 | 截止日期 | 优先级 |
|------|--------|----------|--------|
{{action_items}}
## 📍 关键时间节点
{{timeline}}
## 💬 重要讨论摘要
{{discussion_summary}}
---
{{#if include_transcript}}
<details>
<summary>📝 完整字幕 (点击展开)</summary>
{{transcript}}
</details>
{{/if}}
2. Lecture (课程/讲座)
特征: 单/双主讲人、结构化内容、知识点密集
输出重点:
- 课程大纲/目录
- 核心概念图谱
- 重点摘录（带时间戳）
- 延伸阅读建议
模板: templates/lecture.md
# 📚 课程笔记: {{title}}
## 📖 课程信息
- **讲师**: {{speaker}}
- **时长**: {{duration}}
- **主题**: {{topics}}
## 🗺️ 知识图谱
```mermaid
{{knowledge_graph}}
⏱️ 章节速览
{{chapters}}
📝 核心概念
{{key_concepts}}
💡 重点摘录
{{key_quotes}}
❓ 疑问与思考
{{questions}}
🔗 延伸阅读
{{references}}
#### 3. Interview (访谈/采访)
**特征**: 问答形式、双方观点、深入探讨
**输出重点**:
- Q&A 结构化整理
- 双方核心观点对比
- 金句摘录
- 话题索引
**模板**: `templates/interview.md`
#### 4. Presentation (演讲/汇报)
**特征**: PPT 辅助、数据展示、观点阐述
**输出重点**:
- 核心论点（金字塔结构）
- 关键数据/图表描述
- 结论与建议
- 演讲技巧点评（可选）
**模板**: `templates/presentation.md`
#### 5. Podcast (播客/对话)
**特征**: 轻松对话、话题跳跃、金句频出
**输出重点**:
- 话题时间索引
- 金句摘录
- 推荐片段（高光时刻）
- 相关资源链接
**模板**: `templates/podcast.md`
#### 6. Tutorial (教程/演示)
**特征**: 步骤演示、操作指导、屏幕录制
**输出重点**:
- 步骤清单（可勾选）
- 关键截图提示
- 常见问题/踩坑点
- 快捷键/命令汇总
**模板**: `templates/tutorial.md`
#### 7. Note (个人录屏/语音备忘)
**特征**: 自言自语、快速记录、想法片段
**输出重点**:
- 清理格式化文本
- 想法归类标签
- 待办提取
- 关联笔记链接
**模板**: `templates/note.md`
---
## 任务分发系统 (@tags)
> **分发为可选能力**：下方 @tags 对应的 `content-publisher` / `cron` / `gcal` / `calendar` / `image-gen` / `agent-swarm` / `transcribe` 等兄弟技能在多数环境未安装。当目标技能不可用时，AI 仅将行动项整理为**本地 TODO 清单（Markdown）**，不强制分发；仅当对应技能确实可用时才尝试派发。
### 提取标签规则
AI 从视频中提取行动项时，自动识别并添加 @tags:
| Tag | 触发条件 | 分发给 |
|-----|----------|--------|
| `@user` | 指派给具体人员 | 用户通知 |
| `@assistant` | 需要 AI 执行 | 内置工具 |
| `@dev` | 代码相关任务 | 开发助手 |
| `@design` | 设计/前端任务 | 设计助手 |
| `@article` | 需要写文章 | content-publisher |
| `@reminder` | 需要提醒 | cron/gcal |
| `@research` | 需要调研 | web_search |
| `@design` | 需要设计稿 | image-gen |
| `@meeting` | 需要安排会议 | calendar |
| `@review` | 需要审核 | 通知相关人员 |
### 确认机制流程
视频处理完成
↓
提取行动项 + 自动标记 @tags
↓
向用户展示提取结果
↓
用户确认/修改/取消
↓
分发到对应 skill 执行
↓
更新任务追踪状态
### 示例交互
**AI**: 已从会议视频中提取以下行动项：
```markdown
### @dev
- [ ] 实现用户认证模块的 JWT 刷新机制 (deadline: 周五)
- [ ] 优化数据库查询性能，目标 QPS > 1000
### @article
- [ ] 撰写"微服务架构实践"技术博客 (deadline: 下周四)
### @reminder
- [ ] cron: 0 10 * * 1 周报提醒
- [ ] 2026-04-01 跟进 Q2 OKR 进度
### @meeting
- [ ] 安排下周与产品团队的评审会
用户: 第1项改成 @张三，第2项优先级降低
AI: ✅ 已更新，确认分发吗？
用户: 确认
AI: 🚀 正在分发任务...
- ✅ @Codex 任务已发送至 agent-swarm
- ✅ @article 草稿已创建在 ~/Drafts/
- ✅ @reminder 已添加到 cron
- ✅ @meeting 会议邀请已发送到日历
数据源集成
已支持
| 来源 | 接入方式 | 自动扫描 |
|---|
| 本地视频文件 | 直接路径 | ❌ |
| Zoom 录制 | ~/Documents/Zoom | ✅ |
计划中
| 来源 | 接入方式 | 状态 |
|---|
| 腾讯会议 | ~/Documents/腾讯会议 | 🔜 |
| 钉钉会议 | 自定义路径 | 🔜 |
| YouTube | yt-dlp + URL | 🔜 |
| Bilibili | yt-dlp + URL | 🔜 |
| 阿里云盘 | 分享链接解析 | 🔜 |
| 百度网盘 | 分享链接解析 | 🔜 |
| Google Drive | API 集成 | 🔜 |
输出格式详情
Markdown (默认)
标准 Markdown 格式，兼容所有编辑器。
Obsidian
---
date: {{date}}
type: {{video_type}}
tags: [video-minutes, {{type_tag}}]
source: {{video_path}}
duration: {{duration}}
---
# {{title}}
## 关联笔记
- [[相关笔记1]]
- [[相关笔记2]]
## 内容
{{content}}
## 行动项
- [ ] #task 任务1 @{{assignee}}
Notion
自动创建数据库条目，包含：
- 标题、日期、类型、时长
- 内容块（Toggle 列表）
- 行动项（Checkbox）
- 嵌入视频链接
飞书文档
调用 Lark API 创建文档，支持：
依赖安装
必需依赖
brew install ffmpeg
sudo apt install ffmpeg
winget install Gyan.FFmpeg
pip install -r requirements.txt
requirements.txt
# 🚀 insanely-fast-whisper (高性能转录)
faster-whisper>=1.0.0
# 其他依赖
ffmpeg-python>=0.2.0
pyyaml>=6.0
requests>=2.31.0
notion-client>=2.2.1
yt-dlp>=2023.12.30
onnxruntime>=1.16.0
torch>=2.0.0
性能优化
insanely-fast-whisper 优势
基于 faster-whisper，比原始 Whisper 快 2-4 倍：
| 特性 | openai-whisper | faster-whisper |
|---|
| 速度 | 1x (基准) | 2-4x ⚡ |
| 内存 | 较高 | 降低 50% 💾 |
| 精度 | 标准 | 相同 ✓ |
| 量化 | float32 | int8/int16 🔧 |
| VAD | 无 | 内置 🎙️ |
模型选择建议
| 模型 | 显存需求 | 适合场景 |
|---|
tiny | ~1GB | 快速预览、实时测试 |
base | ~1GB | 推荐，平衡速度质量 |
small | ~2GB | 更精准，慢 2x |
medium | ~5GB | 高精度，慢 4x |
large-v3 | ~10GB | 最佳质量，慢 8x |
设备与精度配置
whisper:
device: auto
compute_type: int8
- int8: 最快，内存占用最小，质量损失极小
- float16: 更快，需要 GPU
- float32: 标准精度
目录结构 (更新)
video-minutes/
├── SKILL.md # 本文件
├── config.yaml # 默认配置模板
├── README.md # 快速开始指南
├── requirements.txt # Python 依赖 ⭐
├── scripts/
│ ├── generate_minutes.py # 主入口 ⭐
│ ├── insanely_fast_transcriber.py # 高性能转录器 ⭐ NEW
│ ├── video_processor.py # 视频处理
│ ├── classifier.py # 视频类型分类
│ ├── config_manager.py # 配置管理
│ └── dispatcher.py # 任务分发
├── templates/ # 类型特定模板
│ ├── meeting.md
│ ├── lecture.md
│ ├── interview.md
│ ├── presentation.md
│ ├── podcast.md
│ ├── tutorial.md
│ └── note.md
└── references/
└── config/
└── config-schema.md # 配置 schema
配置参考
完整配置项
| 配置项 | 类型 | 默认值 | 说明 |
|---|
output.language | string | "auto" | 输出语言 |
output.format | string | "markdown" | 输出格式 |
output.directory | string | "~/video-minutes" | 输出目录 |
whisper.model | string | "base" | 转录模型 |
whisper.device | string | "auto" | 计算设备 |
classification.enabled | bool | true | 启用分类 |
dispatch.confirm_before_dispatch | bool | true | 分发前确认 |
scanning.enabled | bool | true | 启用自动扫描 |
scanning.interval_minutes | int | 60 | 扫描间隔 |
故障排除
常见问题
Q: Whisper 下载模型失败
A: 设置镜像 export WHISPER_MIRROR=https://hf-mirror.com
Q: 视频无音频
A: 检查视频编码 ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1 input.mp4
Q: 分类不准确
A: 手动指定类型 --type meeting 或调整 classification.confidence_threshold
Q: 处理超时
A: 长视频建议分段 --segment-duration 1800 (30分钟一段)
相关 Skill
以下为可选兄弟技能，本仓库快照未包含；缺失时不影响核心纪要功能，相关行动项降级为本地 TODO。
| Skill | 关系 |
|---|
task-dispatcher | 接收 @dev @design 代码/设计任务 |
content-publisher | 接收 @article 文章任务 |
cron / gcal | 接收 @reminder 提醒任务 |
elyfinn-voice-notes | 语音备忘录处理 (姊妹 skill) |
transcribe | 纯转录功能 (无总结) |
版本历史
v2.0.0 (2026-03-25) - 当前
- 🚀 新增 insanely-fast-whisper 支持 - 基于 faster-whisper，速度提升 2-4 倍
- ⚡ 性能优化 - 支持 int8 量化、VAD 过滤、词级时间戳
- 💾 内存优化 - 显存占用降低 50%
- 🔧 新配置项 -
compute_type 支持多种精度模式
v1.2.0 (2026-03-21)
- ✅ 新增视频类型自动分类系统 (7种类型)
- ✅ 新增任务分发集成 (@tags)
- ✅ 新增 Obsidian/Notion/飞书多格式输出
- ✅ 新增首次设置向导
- ✅ 新增自动扫描队列系统
- ✅ 新增发言人识别
v1.1.0 (2026-03-15)
- 🔧 重构配置系统 (YAML 格式)
- 🔧 支持多语言自动检测
- 🔧 优化 Whisper 模型选择逻辑
v1.0.0 (2026-03-01)
- 🎉 初始版本
- ✅ 基础视频转文字
- ✅ Markdown 纪要生成
- ✅ 命令行接口
Roadmap
备选方案
- 多模态视频理解：对于 2 小时以内的短视频，当前多模态模型可直接理解视频内容并生成纪要，无需完整的 ASR→转录→LLM 流水线。适合快速预览和简单总结场景。长视频（>2h）或需要精确字幕的场景仍推荐使用本技能的完整处理流程。
