B站视频总结 Skill

简介

自动分析 B 站视频，通过画面识别 + 语音转录完整还原视频内容，生成结构化 Markdown 总结报告。

适用场景

• 教程/科普类视频 → 提取知识点和操作步骤
• Vlog/记录类视频 → 还原时间线和内容
• 评测/介绍类视频 → 整理参数和对比信息
• 任何你想"看"但没时间看的 B 站视频

工作流程

B站视频(BV号)
  → 下载视频 + 音频
  → 每18秒提取一帧图片 + 相似度去重
  → GLM-4.6V-Flash(免费) 逐帧识别画面内容
  → Whisper tiny 转录音频为文字
  → AI 综合画面 + 音频 → 生成总结报告

依赖

| 工具 | 用途 | 安装 | |------|------|------| | you-get / yt-dlp | 视频下载 | pip install you-get yt-dlp | | opencv-python | 视频拆帧 | pip install opencv-python | | openai-whisper | 语音转录 | pip install openai-whisper | | ffmpeg | 音频解码 | 系统安装（Whisper 依赖） | | openai | API 调用 | pip install openai |

配置

环境变量

# 视觉模型 API Key（至少配一个）
export GLM_API_KEY="your_glm_key"         # 智谱 GLM-4.6V-Flash（免费，推荐）
export DASHSCOPE_API_KEY="your_qwen_key"  # 千问 qwen-vl-max（付费兜底）

# B站 Cookie（可选，用于下载高清视频）
# 从浏览器提取 SESSDATA + bili_jct，写入 cookies.txt

cookies.txt（可选）

# Netscape HTTP Cookie Format
.bilibili.com  TRUE  /  FALSE  0  SESSDATA  your_sessdata_value
.bilibili.com  TRUE  /  FALSE  0  bili_jct   your_bili_jct_value

使用方式

命令行

# 分析视频
python scripts/pipeline.py BV1DoTx6yEev -o ./output

# 跳过下载（已下载过）
python scripts/pipeline.py BV1DoTx6yEev -o ./output --skip-download

# 使用千问作为视觉模型
python scripts/pipeline.py BV1DoTx6yEev --vision-provider qwen

在 AI Agent 中使用

请用 bilibili-summary 分析这个视频：BV1DoTx6yEev

AI Agent 会自动：

1. 调用 scripts/pipeline.py 下载视频、提取帧、转录
2. 对每帧调用视觉模型获取画面描述
3. 结合音频转录和画面描述生成完整报告

输出报告

报告保存在 {output_dir}/{视频标题}_总结报告.md，包含：

1. 视频概述 — 主题、类型、目标观众
2. 视频结构 — 按时间线的段落划分
3. 核心内容 — 逐条还原关键信息（引用原话）
4. 关键要点 — 3-7 个核心 Takeaway
5. 视频制作特点 — 拍摄风格、信息呈现方式

视觉模型策略

• 默认：GLM-4.6V-Flash（智谱免费模型）
• 兜底：qwen-vl-max（千问付费模型，识别更准）
• 检测到以下情况自动切换千问：输出 < 50 字、429 限流、数据明显矛盾

许可证

MIT