SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场video summarizer

video summarizer

通用与其它

查看项目

更新于 10-16 16:27

技能介绍

用途

该技能用于转写并总结视频内容，通过运行 python -m summarizer 命令行工具来完成任务。它处理 YouTube（字幕或音频）、本地文件、Google Drive 和 Dropbox 来源。转写文本被分块，通过兼容 OpenAI 的 LLM 提供商并行处理，并合并为最终摘要。

重要提示：始终使用 CLI 命令，不要尝试直接抓取、爬取或下载视频 URL（例如使用 webfetch 或 curl）。CLI 内部处理所有下载、转写和总结工作。

快速开始（三步）

第 1 步——运行 CLI：

python -m summarizer --source "VIDEO_URL"

该工具使用 summarizer.yaml 中的默认提供商（已配置好）。基本用法无需额外参数。

第 2 步——读取输出文件： CLI 成功后会打印输出文件名，文件始终保存在相对于项目工作目录的 summaries/ 子目录中。例如：

[+] Saved watch_20260207_234533.md

要读取的完整路径为：summaries/watch_20260207_234533.md

第 3 步——向用户展示结果。

文件位置

所有路径均相对于项目工作目录（即 summarizer.yaml 和 setup.py 所在位置）。

  • 配置：./summarizer.yaml
  • API 密钥：./.env
  • 提示模板：./summarizer/prompts.json
  • 输出摘要：./summaries/<filename>.md
  • CLI 入口：python -m summarizer

不要在用户家目录或技能目录中查找 .env 或配置文件，它们在项目根目录。

CLI 参考

python -m summarizer [OPTIONS]

必需参数：

  • --source：一个或多个视频 URL 或文件路径

提供商选项：

  • --provider：summarizer.yaml 中命名的提供商，默认为 YAML 中的 default_provider
  • --base-url：API 端点 URL（覆盖提供商），默认来自 YAML
  • --model：模型标识符（覆盖提供商），默认来自 YAML
  • --api-key：API 密钥（覆盖 .env 自动匹配），默认从 .env 自动获取

来源选项：

  • --type：YouTube Video、Video URL、Local File、Google Drive Video Link、Dropbox Video Link，默认 YouTube Video
  • --force-download：跳过 YouTube 字幕，改为下载音频，默认 False
  • --transcription：Cloud Whisper (Groq API) 或 Local Whisper，默认 Cloud Whisper
  • --whisper-model：tiny、base、small、medium、large，默认 tiny
  • --language：auto 会选择第一个可用的 YouTube 字幕轨道，并让 Whisper 检测语言；显式代码则严格使用，默认 auto

处理选项：

  • --prompt-type：摘要风格（见下文）
  • --chunk-size：每段文本的字符数
  • --parallel-calls：并发 API 请求数，默认 30
  • --max-tokens：每块最大输出 token 数，默认 4096

输出选项：

  • --output-dir：保存摘要的目录，默认 summaries
  • --output-format：markdown、json 或 html，默认 markdown
  • --no-save：只打印到标准输出，不保存文件，默认 False
  • --verbose, -v：详细进度输出，默认 False

警告：不要在 Windows 上使用 --no-save。存在已知编码缺陷，摘要中的 Unicode 字符会导致标准输出崩溃。始终让工具保存到文件，然后读取文件。

配置选项：

  • --config：配置文件路径（默认自动检测）
  • --no-config：忽略配置文件，仅使用 CLI 参数
  • --init-config：生成示例 summarizer.yaml 并退出

摘要风格

配合 --prompt-type 使用。定义在 summarizer/prompts.json 中。

  • Questions and answers：从内容中提取问答
  • Summarization：带标题的标准总结
  • Distill Wisdom：提取想法、引用和参考
  • DNA Extractor：核心真相提炼，最多 200 字
  • Fact Checker：用 TRUE/FALSE/MISLEADING 标签验证主张
  • Tutorial：从内容中提取分步说明
  • Research：结合更广泛背景进行深度分析
  • Reflections：超出所述内容进行哲学延伸
  • Mermaid Diagram：以 Mermaid.js 语法生成可视化概念图
  • Essay Writing in Paul Graham Style：以 Paul Graham 风格写 250 字文章
  • Only grammar correction with highlights：语法清理并用粗体高亮

示例

总结 YouTube 视频（最简形式）：

python -m summarizer --source "https://youtube.com/watch?v=VIDEO_ID"

指定提供商：

python -m summarizer --source "https://youtube.com/watch?v=VIDEO_ID" --provider gemini

用 Distill Wisdom 提取关键见解：

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --provider openrouter \
  --prompt-type "Distill Wisdom"

用 Perplexity 核查视频主张：

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --base-url "https://api.perplexity.ai" \
  --model "sonar-pro" \
  --prompt-type "Fact Checker"

从讲座生成 Mermaid 图表：

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --provider gemini \
  --prompt-type "Mermaid Diagram"

总结本地文件：

python -m summarizer \
  --type "Local File" \
  --source "./lecture.mp4" \
  --provider groq

批量处理多个视频：

python -m summarizer \
  --source "URL1" "URL2" "URL3" \
  --provider gemini \
  --prompt-type "Summarization"

不带配置文件使用（所有参数显式指定）：

python -m summarizer \
  --source "https://youtube.com/watch?v=VIDEO_ID" \
  --base-url "https://openrouter.ai/api/v1" \
  --model "google/gemini-2.0-flash-exp:free" \
  --api-key "sk-or-v1-YOUR_KEY" \
  --prompt-type "Tutorial" \
  --no-config

读取输出

运行 CLI 后，始终从 summaries/ 读取输出文件：

# CLI 会打印类似内容：
# [+] Saved watch_20260207_234533.md
#
# 文件位于：
summaries/watch_20260207_234533.md

对完整路径使用 Read 工具：summaries/<filename>（相对于项目根目录）。

多步工作流

如需全面分析，可在同一视频上串联多种风格：

  1. 先用 Summarization 获得快速概览
  2. 用 Distill Wisdom 提取关键见解
  3. 运行 Fact Checker（最好配合 Perplexity）验证主张
  4. 生成 Mermaid Diagram 作为可视化参考

错误处理

  • 如果找不到 API 密钥，工具会在 .env 中查找与提供商 URL 关键词匹配的密钥
  • 如果 YouTube 字幕不可用，工具会回退到下载音频 + Whisper 转写
  • --language auto 不会强制英语。它使用第一个可用的 YouTube 字幕轨道，并让 Whisper 检测语言
  • 使用 --verbose 查看详细进度并调试问题
  • Cloud Whisper 需要 Groq API 密钥（有免费额度）

配置文件

均位于项目工作目录：

  • summarizer.yaml：提供商定义（base_url、model、chunk-size）和默认值
  • .env：API 密钥，按 URL 关键词自动匹配（例如 generativelanguage = YOUR_KEY）
  • summarizer/prompts.json：使用 {text} 作为转写占位符的提示模板

测试

python -m pytest tests/ -v