Youtube Clipper

如果环境检测失败:

• yt-dlp 未安装: 提示 brew install yt-dlp 或 pip install yt-dlp
• FFmpeg 无 libass: 提示安装 ffmpeg-full

  brew install ffmpeg-full  # macOS
  

• Python 依赖缺失: 提示 pip install pysrt python-dotenv

注意:

• 标准 Homebrew FFmpeg 不包含 libass，无法烧录字幕
• ffmpeg-full 路径: /opt/homebrew/opt/ffmpeg-full/bin/ffmpeg (Apple Silicon)
• 必须先通过环境检测才能继续

阶段 2: 下载视频

目标: 下载 YouTube 视频和英文字幕

1. 询问用户 YouTube URL

2. 调用 download_video.py 脚本

   cd ~/.claude/skills/youtube-clipper
   python3 scripts/download_video.py <youtube_url>
   

3. 脚本会：

   • 下载视频（最高 1080p，mp4 格式）
   • 下载英文字幕（VTT 格式，自动字幕作为备选）
   • 输出文件路径和视频信息

4. 向用户展示：

   • 视频标题
   • 视频时长
   • 文件大小
   • 下载路径

输出:

• 视频文件: <id>.mp4（使用视频 ID 命名，避免特殊字符问题）
• 字幕文件: <id>.en.vtt

阶段 3: 分析章节（核心差异化功能）

目标: 使用 Claude AI 分析字幕内容，生成精细章节（2-5 分钟级别）

1. 调用 analyze_subtitles.py 解析 VTT 字幕

   python3 scripts/analyze_subtitles.py <subtitle_path>
   

2. 脚本会输出结构化字幕数据：

   • 完整字幕文本（带时间戳）
   • 总时长
   • 字幕条数

3. 你需要执行 AI 分析（这是最关键的步骤）：

   • 阅读完整字幕内容
   • 理解内容语义和主题转换点
   • 识别自然的话题切换位置
   • 生成 2-5 分钟粒度的章节（避免半小时粗粒度切分）

4. 为每个章节生成：

   • 标题: 精炼的主题概括（10-20 字）
   • 时间范围: 起始和结束时间（格式: MM:SS 或 HH:MM:SS）
   • 核心摘要: 1-2 句话说明这段讲了什么（50-100 字）
   • 关键词: 3-5 个核心概念词

5. 章节生成原则：

   • 粒度：每个章节 2-5 分钟（避免太短或太长）
   • 完整性：确保所有视频内容都被覆盖，无遗漏
   • 有意义：每个章节是一个相对独立的话题
   • 自然切分：在主题转换点切分，不要机械地按时间切

6. 向用户展示章节列表：

   📊 分析完成，生成 X 个章节：
   
   1. [00:00 - 03:15] AGI 不是时间点，是指数曲线
      核心: AI 模型能力每 4-12 月翻倍，工程师已用 Claude 写代码
      关键词: AGI、指数增长、Claude Code
   
   2. [03:15 - 06:30] 中国在 AI 上的差距
      核心: 芯片禁运卡住中国，DeepSeek benchmark 优化不代表实力
      关键词: 中国、芯片禁运、DeepSeek
   
   ... (所有章节)
   
   ✓ 所有内容已覆盖，无遗漏
   

阶段 4: 用户选择

目标: 让用户选择要剪辑的章节和处理选项

1. 使用 AskUserQuestion 工具让用户选择章节

   • 提供章节编号供用户选择
   • 支持多选（可以选择多个章节）

2. 询问处理选项：

   • 是否生成双语字幕？（英文 + 中文）
   • 是否烧录字幕到视频？（硬字幕）
   • 是否生成总结文案？

3. 确认用户选择并展示处理计划

阶段 5: 剪辑处理（核心执行阶段）

目标: 并行执行多个处理任务

对于每个用户选择的章节，执行以下步骤：

5.1 剪辑视频片段

python3 scripts/clip_video.py <video_path> <start_time> <end_time> <output_path>

• 使用 FFmpeg 精确剪辑
• 保持原始视频质量
• 输出: <章节标题>_clip.mp4

5.2 提取字幕片段

• 从完整字幕中过滤出该时间段的字幕
• 调整时间戳（减去起始时间，从 00:00:00 开始）
• 转换为 SRT 格式
• 输出: <章节标题>_original.srt

5.3 翻译字幕（如果用户选择）

python3 scripts/translate_subtitles.py <subtitle_path>

• 批量翻译优化: 每批 20 条字幕一起翻译（节省 95% API 调用）
• 翻译策略：
  • 保持技术术语的准确性
  • 口语化表达（适合短视频）
  • 简洁流畅（避免冗长）
• 输出: <章节标题>_translated.srt

5.4 生成双语字幕文件（如果用户选择）

• 合并英文和中文字幕
• 格式: SRT 双语（每条字幕包含英文和中文）
• 样式: 英文在上，中文在下
• 输出: <章节标题>_bilingual.srt

5.5 烧录字幕到视频（如果用户选择）

python3 scripts/burn_subtitles.py <video_path> <subtitle_path> <output_path>

• 使用 ffmpeg-full（libass 支持）
• 使用临时目录解决路径空格问题（关键！）
• 字幕样式：
  • 字体大小: 24
  • 底部边距: 30
  • 颜色: 白色文字 + 黑色描边
• 输出: <章节标题>_with_subtitles.mp4

5.6 生成总结文案（如果用户选择）

python3 scripts/generate_summary.py <chapter_info>

• 基于章节标题、摘要和关键词
• 生成适合社交媒体的文案
• 包含: 标题、核心观点、适合平台（小红书、抖音等）
• 输出: <章节标题>_summary.md

进度展示:

🎬 开始处理章节 1/3: AGI 不是时间点，是指数曲线

1/6 剪辑视频片段... ✅
2/6 提取字幕片段... ✅
3/6 翻译字幕为中文... [=====>    ] 50% (26/52)
4/6 生成双语字幕文件... ✅
5/6 烧录字幕到视频... ✅
6/6 生成总结文案... ✅

✨ 章节 1 处理完成

阶段 6: 输出结果

目标: 组织输出文件并展示给用户

1. 创建输出目录

   ./youtube-clips/<日期时间>/
   

   输出目录位于当前工作目录下

2. 组织文件结构：

   <章节标题>/
   ├── <章节标题>_clip.mp4              # 原始剪辑（无字幕）
   ├── <章节标题>_with_subtitles.mp4   # 烧录字幕版本
   ├── <章节标题>_bilingual.srt        # 双语字幕文件
   └── <章节标题>_summary.md           # 总结文案
   

3. 向用户展示：

   • 输出目录路径
   • 文件列表（带文件大小）
   • 快速预览命令

   ✨ 处理完成！
   
   📁 输出目录: ./youtube-clips/20260121_143022/
   
   文件列表:
     🎬 AGI_指数曲线_双语硬字幕.mp4 (14 MB)
     📄 AGI_指数曲线_双语字幕.srt (2.3 KB)
     📝 AGI_指数曲线_总结.md (3.2 KB)
   
   快速预览:
   open ./youtube-clips/20260121_143022/AGI_指数曲线_双语硬字幕.mp4
   

4. 询问是否继续剪辑其他章节

   • 如果是，返回阶段 4（用户选择）
   • 如果否，结束 Skill

关键技术点

1. FFmpeg 路径空格问题

问题: FFmpeg subtitles 滤镜无法正确解析包含空格的路径

解决方案: burn_subtitles.py 使用临时目录

• 创建无空格临时目录
• 复制文件到临时目录
• 执行 FFmpeg
• 移动输出文件回目标位置

2. 批量翻译优化

问题: 逐条翻译会产生大量 API 调用

解决方案: 每批 20 条字幕一起翻译

• 节省 95% API 调用
• 提高翻译速度
• 保持翻译一致性

3. 章节分析精细度

目标: 生成 2-5 分钟粒度的章节，避免半小时粗粒度

方法:

• 理解字幕语义，识别主题转换
• 寻找自然的话题切换点
• 确保每个章节有完整的论述
• 避免机械按时间切分

4. FFmpeg vs ffmpeg-full

区别:

• 标准 FFmpeg: 无 libass 支持，无法烧录字幕
• ffmpeg-full: 包含 libass，支持字幕烧录

路径:

• 标准: /opt/homebrew/bin/ffmpeg
• ffmpeg-full: /opt/homebrew/opt/ffmpeg-full/bin/ffmpeg (Apple Silicon)

错误处理

环境问题

• 缺少工具 → 提示安装命令
• FFmpeg 无 libass → 引导安装 ffmpeg-full
• Python 依赖缺失 → 提示 pip install

下载问题

• 无效 URL → 提示检查 URL 格式
• 字幕缺失 → 尝试自动字幕
• 网络错误 → 提示重试

处理问题

• FFmpeg 执行失败 → 显示详细错误信息
• 翻译失败 → 重试机制（最多 3 次）
• 磁盘空间不足 → 提示清理空间

输出文件命名规范

• 视频片段: <章节标题>_clip.mp4
• 字幕文件: <章节标题>_bilingual.srt
• 烧录版本: <章节标题>_with_subtitles.mp4
• 总结文案: <章节标题>_summary.md

文件名处理:

• 移除特殊字符（/, \, :, *, ?, ", <, >, |）
• 空格替换为下划线
• 限制长度（最多 100 字符）

用户体验要点

1. 进度可见: 每个步骤都展示进度和状态
2. 错误友好: 清晰的错误信息和解决方案
3. 可控性: 用户选择要剪辑的章节和处理选项
4. 高质量: 章节分析有意义，翻译准确流畅
5. 完整性: 提供原始和处理后的多个版本

开始执行

当用户触发这个 Skill 时：

1. 立即开始阶段 1（环境检测）
2. 按照 6 个阶段顺序执行
3. 每个阶段完成后自动进入下一阶段
4. 遇到问题时提供清晰的解决方案
5. 最后展示完整的输出结果

记住：这个 Skill 的核心价值在于 AI 精细章节分析 和 无缝的技术处理，让用户能快速从长视频中提取高质量的短视频片段。