SuperAPI AI 工具集

video processor

设计与创作

查看项目

更新于 10-15 17:21

技能介绍

用途:该技能提供视频处理工具,涵盖音频提取、格式转换(MP4、WebM)以及使用 OpenAI Whisper 进行语音转文字。适用于视频转换、音频提取和转录等场景。

主要能力:

  1. 从视频提取音频,支持 wav、mp3、aac、flac 格式。
  2. 将任意视频转换为 MP4,可选编解码器(libx264、libx265、h264)和编码预设(ultrafast 到 veryslow)。
  3. 将视频转换为 WebM(面向网页优化),可选 libvpx、libvpx-vp9。
  4. 使用 Whisper 转录音频或视频,支持模型 tiny、base、small、medium、large,可指定语言,输出 txt、srt、vtt、json。

使用方式:所有操作通过 scripts/video_processor.py 脚本执行。示例命令: uv run .claude/skills/video-processor/scripts/video_processor.py extract-audio input.mp4 output.wav uv run .claude/skills/video-processor/scripts/video_processor.py to-mp4 input.avi output.mp4 uv run .claude/skills/video-processor/scripts/video_processor.py to-webm input.mp4 output.webm uv run .claude/skills/video-processor/scripts/video_processor.py transcribe input.mp4 transcript.txt --model base --format srt

前置条件:需安装 FFmpeg(macOS: brew install ffmpeg;Ubuntu/Debian: apt-get install ffmpeg)和 OpenAI Whisper(pip install -U openai-whisper)。脚本依赖 click 和 ffmpeg-python。

限制:转录时视频会先由 FFmpeg 提取为临时 WAV,再由 Whisper 处理,临时文件自动清理。Whisper 对 WAV 或 MP3 效果最佳,16kHz 采样率最优。模型越大精度越高但速度越慢、内存占用越高。WebM 使用 VP9 转换较慢但文件更小。长视频建议先提取音频再分段转录。脚本会校验输入文件、检查依赖并处理错误。