video-copy-analyzer

# 视频文案分析工具 一站式视频内容提取与文案分析，支持 B站、YouTube、抖音 等平台。 ## 安装部署 ### 系统要求 - Python 3.9+ - FFmpeg（用于音视频处理） - 约 3GB 磁盘空间（FunASR 模型缓存） ### 一键安装 ```bash # 1. 基础工具 brew install ffmpeg # macOS pip install yt-dlp requests pysrt python-dotenv # 2. FunASR（核心 ASR 引擎，中文语音转录） pip install funasr modelscope torch torchaudio # 3. RapidOCR（烧录字幕识别，可选） pip install rapidocr-onnxruntime ``` ### ⚠️ FunASR 首次运行注意事项 FunASR 首次运行时会**自动下载约 2-3GB 模型文件**到 `~/.cache/modelscope/`： | 模型 | 大小 | 用途 | |------|------|------| | paraformer-zh | ~1.05GB | 中文语音识别（ASR） | | fsmn-vad | ~20MB | 语音活动检测（长音频分段） | | ct-punc | ~1GB | 标点恢复 | - **首次下载可能需要 1-5 分钟**（取决于网速），期间看起来像是卡住，请耐心等待 - 下载完成后会缓存到本地，后续运行秒级加载 - 如果下载失败，可手动从 ModelScope 下载模型放到 `~/.cache/modelscope/hub/models/iic/` 目录 ### 环境验证 ```bash # 验证所有依赖 python scripts/check_environment.py # 或手动检查关键组件 yt-dlp --version ffmpeg -version python -c "from funasr import AutoModel; print('FunASR OK')" python -c "from rapidocr_onnxruntime import RapidOCR; print('RapidOCR OK')" ``` ## 首次使用设置 首次使用时，询问用户： > "请设置默认工作目录（用于保存下载的视频和分析报告）： > > A. 使用默认目录：`~/video-analysis/` > B. 每次手动指定目录 > C. 指定一个固定目录：[请输入路径]" 保存用户选择供后续使用。 --- ## 工作流程（5 阶段） > **重要：你必须严格按照以下 5 个阶段顺序执行，每个阶段完成后再进入下一个阶段。不要跳过任何阶段。** ### 阶段 1: 下载视频 **目标**：将用户提供的视频 URL 下载为本地 MP4 文件。 **执行步骤**： 1. 获取用户提供的视频 URL 和输出目录 2. 如果输出目录不存在，创建它：`mkdir -p <输出目录>` 3. **判断视频平台并选择下载方式**： #### 抖音视频（URL 包含 `douyin.com` 或 `v.douyin.com`） 使用专用下载脚本： ```bash python scripts/download_douyin.py "<抖音链接>" "<输出目录>/<文件名>.mp4" ``` 支持的链接格式：`v.douyin.com/xxx`、`www.douyin.com/video/xxx`、`douyin.com/jingxuan?modal_id=xxx` 抖音网页已对纯 HTTP 解析做风控。脚本会先尝试分享页解析，失败后启动本机 Chrome/Edge/Chromium（无头）提取播放地址，再回退 yt-dlp。需要 Node.js 18+ 以及上述浏览器之一；也可设置 `DOUYIN_BROWSER` 指向浏览器可执行文件。 #### 其他平台（B站、YouTube 等） 使用 yt-dlp： ```bash yt-dlp -f "bestvideo[height<=1080]+bestaudio/best[height<=1080]" \ --merge-output-format mp4 \ -o "<输出目录>/%(id)s.%(ext)s" \ "<视频URL>" ``` 4. **确认下载成功**：检查 MP4 文件是否存在且大小 > 0 --- ### 阶段 2: 字幕提取 **目标**：从视频中提取 SRT 格式字幕文件。 **执行步骤**： **⚠️ 重要：不要调用 `extract_subtitle_funasr.py` 的 `main()` 函数或直接运行整个脚本（它包含 B站 API 调用会因 cookies 问题卡住）。直接调用 `extract_with_funasr` 函数。** 使用以下 Python 代码直接调用 FunASR 提取字幕： ```python import sys, os sys.path.insert(0, '<skill_scripts_目录的绝对路径>') from extract_subtitle_funasr import extract_with_funasr success = extract_with_funasr('<视频文件绝对路径>', '<输出SRT文件绝对路径>') ``` **执行方式**：将上述代码写入临时 Python 脚本文件（如 `/tmp/run_funasr.py`），然后运行： ```bash python3 -u /tmp/run_funasr.py 2>&1 | tee /tmp/funasr_output.log ``` **注意事项**： - 必须使用**绝对路径**，不要使用相对路径 - 首次运行需下载 2-3GB 模型，耐心等待（后续秒级加载） - 转录速度极快：10 分钟音频约 22 秒完成 - 命令运行后需要等待 30-120 秒（取决于视频长度） **确认成功**：检查 SRT 文件是否存在且大小 > 0 **字幕提取的内部逻辑（三层优先级，脚本自动处理）**： | 优先级 | 方法 | 适用场景 | 准确度 | 速度 | |--------|------|---------|--------|------| | L1 | 内嵌字幕提取 | 视频自带字幕流 | ⭐⭐⭐⭐⭐ | ⚡ 极快 | | L2 | RapidOCR 烧录字幕识别 | 字幕烧录在画面中 | ⭐⭐⭐⭐ | 🚀 快 | | L3 | FunASR 语音转录 | 无字幕，纯语音 | ⭐⭐⭐⭐ | ⚡ 极快 | --- ### 阶段 3: 文稿校正 **目标**：将 SRT 字幕合并为连续文本，基于语义进行校正，输出 `<视频ID>_文字稿.md`。 **执行步骤**： 1. 读取 SRT 字幕文件 2. 提取所有文本行（跳过序号和时间戳行） 3. 合并为连续文本 4. 基于上下文语义进行智能校正： - 修正 ASR 产生的同音字错误（如"旗下"→"棋下"） - 修正专业术语和人名 - 确保标点符号正确 5. 保存为 Markdown 文件 **输出文件**：`<输出目录>/<视频ID>_文字稿.md` **输出格式**： ```markdown # <视频ID> 原始文字稿 <校正后的完整文本> ``` --- ### 阶段 4: 三维度综合分析 **目标**：对文字稿内容进行深度分析，应用三个分析框架，输出 `<视频ID>_分析报告.md`。 **执行步骤**： 1. 读取阶段 3 生成的文字稿内容 2. 依次应用以下三个分析框架 3. 将分析结果保存为 Markdown 文件 **三个分析框架**： #### 4.1 TextContent Analysis 视角 你必须分析以下维度： - **叙事结构分析**：开场、发展、高潮、转折、结尾的结构 - **叙事声音分析**：基调、节奏、独特金句 - **修辞手法识别**：比喻、反转、呼应、隐喻等 - **词库提取**：关键词列表 #### 4.2 Viral-Abstract-Script 视角 你必须分析以下维度： - **Viral-5D 框架诊断**：对 Hook、Emotion、爆点、CTA、社交货币 分别给出⭐评分和分析 - **风格定位**：该视频的内容风格标签 - **爆款潜力评估**：完播率、互动率、转发率预期 - **优化建议**：1-3 条具体可执行的改进建议 #### 4.3 Brainstorming 视角 你必须分析以下维度： - **核心价值拆解**：该文案的核心传播价值是什么 - **创意方向探索**：2-3 种衍生创意方向 - **增量验证点**：可测试的优化实验 **输出文件**：`<输出目录>/<视频ID>_分析报告.md` **输出格式**： ```markdown # 视频文案综合分析报告（三维度） ## 一、TextContent Analysis 视角 [叙事结构、修辞手法、词库] ## 二、Viral-Abstract-Script 视角 [Viral-5D诊断、风格定位、优化建议] ## 三、Brainstorming 视角 [价值拆解、创意方向、验证点] ``` --- ### 阶段 5: 结构化文字稿 **目标**：基于阶段 3 的文字稿，按照视频内容的叙事逻辑重新分段整理，输出格式清晰、层次分明的 `<视频ID>_结构化文字稿.md`。 **执行步骤**： 1. 读取阶段 3 生成的文字稿，以及阶段 4 分析报告中的叙事结构分析 2. 按照视频内容的自然叙事段落进行切分 3. 为每个段落添加简洁的小标题（`## 一、xxx`、`## 二、xxx` 格式） 4. 在段落内部按语义进行合理分行（每段不宜过长，3-5 句为宜） 5. 修正 ASR 错误的同时保留口语化风格 6. 对关键金句或重点内容使用**加粗**标注 7. 保存为 Markdown 文件 **输出文件**：`<输出目录>/<视频ID>_结构化文字稿.md` **输出格式**： ```markdown # <视频标题或ID> 结构化文字稿 ## 一、<第一段小标题> <分行后的段落文本，3-5 句一段> <继续...> ## 二、<第二段小标题> <分行后的段落文本> ... ``` **注意事项**： - 小标题应简洁有力，概括该段核心内容 - 保留视频原始的口语表达风格，不要过度书面化 - 关键金句或亮点用**加粗**突出 - 每个段落之间用空行分隔，提高可读性 --- ## 完成后输出 完成所有 5 个阶段后，向用户播报： ``` ✅ 视频文案分析完成！ 📁 输出目录: <用户指定的目录> 📄 生成文件: - <视频ID>.mp4 (原始视频) - <视频ID>.srt (原始字幕) - <视频ID>_文字稿.md (校正后纯文本文字稿) - <视频ID>_分析报告.md (三维度分析报告) - <视频ID>_结构化文字稿.md (按叙事逻辑分段的结构化文字稿) 🔗 快速打开: [文字稿](<文字稿路径>) [分析报告](<分析报告路径>) [结构化文字稿](<结构化文字稿路径>) ``` --- ## 参考文件 | 文件 | 说明 | 状态 | |------|------|------| | [download_douyin.py](scripts/download_douyin.py) | 抖音视频下载脚本 | ✅ 可用 | | [douyin_browser.mjs](scripts/douyin_browser.mjs) | 本机浏览器提取抖音播放地址 | ✅ 可用 | | [extract_subtitle_funasr.py](scripts/extract_subtitle_funasr.py) | 智能字幕提取（FunASR + RapidOCR） | ✅ 可用 | | [check_environment.py](scripts/check_environment.py) | 环境依赖检测 | ✅ 可用 | | [analysis-frameworks.md](references/analysis-frameworks.md) | 三个分析框架详解 | ✅ 参考 | <!-- 以下脚本暂未启用，需要浏览器 cookies 支持，目前因 macOS 钥匙串加密问题暂不可用 --> <!-- | [fetch_bilibili_subtitle.py](scripts/fetch_bilibili_subtitle.py) | B站API字幕获取（需cookies） | ⏸️ 暂停 | --> <!-- | [extract_subtitle.py](scripts/extract_subtitle.py) | Whisper 字幕提取（已被 FunASR 替代） | ⏸️ 暂停 | --> <!-- | [transcribe_audio.py](scripts/transcribe_audio.py) | Whisper 音频转录（已被 FunASR 替代） | ⏸️ 暂停 | --> --- ## FunASR 技术细节 本 skill 使用 FunASR 的 **Paraformer** 系列模型组合： ```python from funasr import AutoModel model = AutoModel( model="paraformer-zh", # 中文 ASR（含 SeACo 增强） vad_model="fsmn-vad", # 语音活动检测（自动分段长音频） vad_kwargs={"max_single_segment_time": 60000}, # 每段最长 60 秒 punc_model="ct-punc", # 标点恢复 disable_update=True, # 禁用版本检查 ) result = model.generate( input="audio.wav", batch_size_s=300, # 动态 batch cache={}, # 官方推荐参数 ) ``` **性能参考**（MacBook Pro M 系列 CPU）： | 音频时长 | 转录耗时 | RTF | 字幕条数 | |---------|---------|-----|---------| | 42 秒 | 2 秒 | 0.049 | ~11 条 | | 9 分钟 | 22 秒 | 0.036 | ~137 条 | | 10 分钟 | 22 秒 | 0.035 | ~142 条 | --- ## 故障排除 ### FunASR 首次运行很慢 / 看起来卡住 首次运行需下载约 2-3GB 模型文件，这是正常现象。在网速 30MB/s 的环境下约需 1-2 分钟。下载完成后后续运行秒级加载。 ### FunASR 模型下载失败 如果 ModelScope 下载速度慢或中断，可手动从 [ModelScope](https://www.modelscope.cn/models) 下载以下模型到 `~/.cache/modelscope/hub/models/iic/` 目录： - `speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch` - `speech_fsmn_vad_zh-cn-16k-common-pytorch` - `punc_ct-transformer_cn-en-common-vocab471067-large` ### torch 版本不兼容 FunASR 需要 PyTorch 2.0+，建议： ```bash pip install torch torchaudio --upgrade ``` ### 字幕提取脚本直接运行卡住 不要直接运行 `python extract_subtitle_funasr.py video.mp4 output.srt`（它会调用 B站 API 获取字幕并因 cookies 问题卡住）。请按照**阶段 2**的说明，直接调用 `extract_with_funasr()` 函数。 ### 抖音下载失败 / 无法提取视频数据 `www.douyin.com` 对无浏览器会话的请求会返回风控页，旧的 `RENDER_DATA` 解析不再可用。确认： - 已安装 Node.js（`node -v`） - 本机有 Chrome、Edge 或 Chromium - 若浏览器不在默认路径，设置 `DOUYIN_BROWSER=/path/to/chrome` 无浏览器时脚本会回退 yt-dlp，但 yt-dlp 同样需要有效游客 cookie，通常也会失败。