SKILL.md

YouTube 视频智能剪辑工具

Name: youtube-clipper
Author: op7418

Installation: If you're installing this skill from GitHub, please refer to README.md for installation instructions. The recommended method is npx skills add https://github.com/op7418/Youtube-clipper-skill.

工作流程

你将按照以下 6 个阶段执行 YouTube 视频剪辑任务：

阶段 1: 环境检测

目标: 确保所有必需工具和依赖都已安装

检测 yt-dlp 是否可用

yt-dlp --version

检测 FFmpeg 版本和 libass 支持

# 优先检查 ffmpeg-full（macOS）

/opt/homebrew/opt/ffmpeg-full/bin/ffmpeg -version

# 检查标准 FFmpeg

ffmpeg -version

# 验证 libass 支持（字幕烧录必需）

ffmpeg -filters 2>&#x26;1 | grep subtitles

检测 Python 依赖

python3 -c "import yt_dlp; print('✅ yt-dlp available')"

python3 -c "import pysrt; print('✅ pysrt available')"

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

询问用户 YouTube URL

调用 download_video.py 脚本

cd ~/.claude/skills/youtube-clipper

python3 scripts/download_video.py <youtube_url>

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

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）

调用 analyze_subtitles.py 解析 VTT 字幕

python3 scripts/analyze_subtitles.py <subtitle_path>

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

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）

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

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

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

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）

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？

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：

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

创建输出目录

./youtube-clips/<日期时间>/

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

向用户展示：

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

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

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

进度可见: 每个步骤都展示进度和状态

错误友好: 清晰的错误信息和解决方案

可控性: 用户选择要剪辑的章节和处理选项

高质量: 章节分析有意义，翻译准确流畅

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：

立即开始阶段 1（环境检测）

按照 6 个阶段顺序执行

每个阶段完成后自动进入下一阶段

遇到问题时提供清晰的解决方案

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。

youtube-clipper