Skip to content

Latest commit

 

History

History
141 lines (106 loc) · 3.55 KB

PLAN.md

File metadata and controls

141 lines (106 loc) · 3.55 KB

YouTube 视频切片工具 - MVP 方案计划

项目目标

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。


技术选型

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

项目结构

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

核心流程

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

各模块设计

downloader.py

  • 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)

transcriber.py

  • 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}, ...]

analyzer.py

  • 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}, ...]

cutter.py

  • 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)

main.py

  • 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

Gemini API 使用说明

  • 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

依赖

yt-dlp
ffmpeg-python
google-generativeai
webvtt-py          # 解析 YouTube vtt 字幕

系统需预装:ffmpeg


输出示例

✅ 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

MVP 边界(不做的事)

  • 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

开发顺序

  1. config.py + requirements.txt
  2. downloader.py(下载 + 字幕)
  3. transcriber.py(字幕解析 + Gemini转录)
  4. analyzer.py(Gemini分析重点)
  5. cutter.py(ffmpeg裁切)
  6. main.py(串联流程)
  7. 端到端测试