用途：把长视频（播客、访谈、演讲等口播内容）转成可直接发布的 9:16 竖屏短视频，包含说话人跟踪取景与动画字幕，常用于社媒二次分发。
主要能力：本地 Whisper 转写并生成词级时间戳；按钩子强度、可引用性、情绪强度、自足性、意外性五项各 1-10 分打分，排序选出候选片段（默认 3-5 个）；FFmpeg 抽片；Klap 做 AI 说话人跟踪重构为 1080×1920；Captions.ai 加动画字幕；最后生成各平台文案。
使用方式：需先安装 FFmpeg、yt-dlp 和 Python 包（pip install openai-whisper requests；openai-whisper 会下载约 2GB PyTorch）。在 .env 配置 KLAP_API_KEY 与 CAPTIONS_AI_API_KEY。输入可为本地路径、YouTube 或其他公开视频 URL。流程：获取视频→Whisper 转写→打分选段并等待用户确认→FFmpeg 抽片（ffmpeg -y -ss <start> -to <end> -i source.mp4 -c copy clip<N>-raw.mp4）→Klap 重构（POST https://api.klap.app/v2/tasks/video-to-video，轮询任务与导出）→Captions.ai 加字幕（POST https://api.mirage.app/v1/videos/captions）→输出 MP4 及 captions.md、summary.md。
成本与限制：Whisper、FFmpeg 本地免费；Klap 约 1.50-2.50 美元/片段、约 76 积分；Captions.ai 约 0.15 美元/分钟，合计约 2-3 美元/片段。Captions.ai 要求 9:16 输入、最大 50MB、最长 5 分钟，必须先 Klap 再 Captions。yt-dlp 对部分 YouTube 视频可能失败。Whisper base 模型可能对术语、口音或重叠语音出错，可用 medium 提升准确度。打分是启发式，仅为视频内相对质量，不代表实际传播效果。Klap 处理 2-5 分钟/片段，Captions.ai 1-2 分钟，5 个片段约 15-25 分钟。