SuperAPI AI 工具集

Video Processor

设计与创作

查看项目

更新于 10-16 00:30

技能介绍

用途:Video Processor 是一个视频处理技能,通过统一 CLI 脚本完成音频提取、视频格式转换和语音转录,底层依赖 FFmpeg 与 OpenAI Whisper。

主要能力:

  1. 提取音频:从视频中导出音轨,支持 wav、mp3、aac、flac 格式。
  2. 转换为 MP4:可指定视频编解码器(默认 libx264,可选 libx265、h264)和编码预设(ultrafast、fast、medium、slow、veryslow)。
  3. 转换为 WebM:面向网页播放优化,默认编解码器 libvpx-vp9,可选 libvpx。
  4. Whisper 转录:将音频或视频转为文本,支持 txt、srt、vtt、json 输出;模型可选 tiny、base、small、medium、large,默认 base;可指定语言(如 en、es、fr、de、zh),默认自动检测。视频输入时会先自动提取音频为临时 WAV,转录后清理临时文件。

使用方式:需先安装 FFmpeg(macOS 用 brew install ffmpeg,Ubuntu/Debian 用 apt-get install ffmpeg)和 Whisper(pip install -U openai-whisper)。脚本通过 uv run 调用,例如: 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

适用场景:旧格式视频转 MP4、为网站生成 WebM 与字幕、讲座或访谈转录、批量处理培训视频等。

限制:FFmpeg 本身不转录,需配合 Whisper;Whisper 对 WAV/MP3 效果较好,16kHz 采样率较优;大模型更准但更慢、占用内存更高(large 约 10GB);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、检查依赖并处理临时文件清理。具体收费、平台支持等信息暂未提供。