输入 YouTube 视频链接,自动识别多个高光/重点内容片段,输出多个视频切片。
| 模块 | 工具 | 说明 |
|---|---|---|
| 视频下载 | yt-dlp |
支持下载视频和自带字幕 |
| 字幕/转录 | YouTube字幕优先 + Gemini API兜底 | 用户已有Google密钥 |
| 重点分析 | Gemini API | 分析字幕文本,输出时间段JSON |
| 视频裁切 | ffmpeg |
按时间段裁切输出切片 |
segment/
├── main.py # 入口,接收 URL,串联全流程
├── downloader.py # yt-dlp 下载视频和字幕
├── transcriber.py # 字幕获取:YouTube字幕优先,Gemini兜底
├── analyzer.py # Gemini API 分析重点片段,返回时间段JSON
├── cutter.py # ffmpeg 裁切视频
├── config.py # 配置项(API Key、输出目录等)
├── requirements.txt # 依赖列表
└── output/ # 切片输出目录
输入 YouTube URL
↓
1. yt-dlp 下载视频(mp4)
↓
2. 尝试获取 YouTube 自带字幕(中文/英文 .vtt/.srt)
├── 有字幕 → 解析字幕文本 + 时间戳
└── 无字幕 → 提取音频 → Gemini API 转录 → 获取带时间戳字幕
↓
3. Gemini API 分析字幕文本
→ 返回 JSON:[{title, start, end, reason}, ...]
↓
4. ffmpeg 按时间段裁切视频
→ 输出多个 mp4 切片到 output/
↓
5. 打印切片列表和摘要
- 用
yt-dlp下载视频到本地 - 同时尝试下载自带字幕(中文/英文)
- 返回:视频文件路径、字幕文件路径(可能为空)
- 优先读取 YouTube 字幕(.vtt 解析为带时间戳文本)
- 无字幕时:提取音频 → 调用 Gemini API 转录
- 返回:
[{text, start_time, end_time}, ...]
- 将字幕文本 + 时间戳喂给 Gemini API
- Prompt:提取3-5个最有价值的片段,返回 JSON
- 返回:
[{title, start, end, reason}, ...]
- 调用 ffmpeg,按 start/end 时间裁切
- 文件命名:
output/01_标题.mp4 - 支持无损裁切(-c copy)
- CLI 入口:
python main.py <youtube_url> - 串联全部流程,打印进度
- 最终输出切片列表和摘要
- 转录:上传音频文件(mp3),调用
gemini-1.5-flash - 分析:文本分析,调用
gemini-1.5-flash - 需在
config.py中配置GOOGLE_API_KEY
yt-dlp
ffmpeg-python
google-generativeai
webvtt-py # 解析 YouTube vtt 字幕
系统需预装:ffmpeg
✅ 下载完成:video.mp4
✅ 字幕来源:YouTube自带字幕
✅ 分析完成:找到 4 个重点片段
切片列表:
01_核心观点介绍.mp4 00:01:20 - 00:03:45
02_关键案例分析.mp4 00:08:10 - 00:11:30
03_实操演示.mp4 00:15:00 - 00:19:20
04_总结与行动建议.mp4 00:25:40 - 00:28:00
- 不做 Web UI(纯 CLI)
- 不做视频压缩/转码
- 不做批量处理多个 URL
- 不做切片自动上传
config.py+requirements.txtdownloader.py(下载 + 字幕)transcriber.py(字幕解析 + Gemini转录)analyzer.py(Gemini分析重点)cutter.py(ffmpeg裁切)main.py(串联流程)- 端到端测试