Agent Skills
› ZJU-REAL/Easel
› video-to-article
video-to-article
GitHub将视频转录为结构化图文（小红书/公众号等），自动抽帧配图。核心在于由LLM进行内容改写与提炼，而非简单照搬，实现视频内容的多平台复用。
Trigger Scenarios
视频转图文
视频扒文案
口播转文章
视频内容复用
Install
npx skills add ZJU-REAL/Easel --skill video-to-article -g -y
SKILL.md
Frontmatter
{
"name": "video-to-article",
"layer": "produce",
"description": "把口播、讲座、直播或 Vlog 转录并改写成小红书笔记、公众号文章或知乎内容，同时抽帧配图。当用户说“视频转图文\/文章\/笔记、视频扒文案、口播转文章、视频内容复用”时使用。只生成字幕文件用 auto-subtitle；翻译已有字幕用 subtitle-translate。"
}
视频转图文（视频 → 笔记/文章）
把视频复用成图文内容：转录 → 结构化成篇 → 抽帧配图。转录与抽帧走确定性脚本 （
asr.py/video_ops.py），结构化成文由你（LLM）完成——这是本 SKILL 的核心价值。
只出字幕文件见 auto-subtitle；翻译字幕见 subtitle-translate； 出成套小红书卡片见 xhs-note-creator；纯文案润色见 text-polisher。
输入
| 字段 | 必填 | 说明 |
|---|---|---|
| 视频文件 | 是 | 口播/讲座/直播/Vlog（没给就问） |
| 目标形态 | 否 | 小红书笔记（默认）/ 公众号文章 / 知乎回答 / 通用图文 |
| 配图数量 | 否 | 从视频抽几张配图（默认 3-6，按内容节点） |
输出（outputs/主题名/）
article.md— 成篇图文（标题 + 正文 + 小标题/要点 + 金句 + 话题标签）assets/frame-*.jpg— 抽取的配图assets/transcript.txt/assets/transcript.json— 转录原文与时间轴（备查）
执行步骤
脚本路径（相对项目根）：skills/shared/scripts/asr.py、skills/shared/scripts/video_ops.py。
1. 语音转录（带时间轴）
python skills/shared/scripts/asr.py transcribe -i input.mp4 --format json \
-o outputs/主题名/assets/transcript.json
python skills/shared/scripts/asr.py transcribe -i input.mp4 --format txt \
-o outputs/主题名/assets/transcript.txt
（首次跑 ASR 需外网代理下模型，见 auto-subtitle 前置说明。）
2. 结构化成图文（你来做）
读转录，按目标形态改写成图文，不是照抄口语：
- 提炼结构：口语流水账 → 清晰的标题 + 3-6 个小标题/要点段落。
- 去口水：删"然后、就是、那个"等口头禅，书面化但保留个人风格。
- 抓金句：把视频里最有价值的观点提成金句/加粗句。
- 按形态适配：小红书（emoji、短段、闺蜜语气、话题标签）/ 公众号（成文、有起承转合）/
知乎（专业、有逻辑链）。字数与排版参考
post-formatter/social-content规范。 - 写入
article.md，并在文中标注"【配图1：xx画面 @ 02:15】"指明每张配图对应的视频时间点。
3. 抽取配图
按第 2 步标注的时间点，逐个抽帧：
python skills/shared/scripts/video_ops.py frame -i input.mp4 \
-o outputs/主题名/assets/frame-01.jpg --time 00:02:15 --width 1080
挑画面清晰、有信息量的时间点（避免糊帧/转场帧）。
4.（可选）成套卡片
需要做成小红书卡片组时，把 article.md 交给 xhs-note-creator 或 card-xiaohongshu。
Profile 感知
- 有 Profile：目标形态默认按
platforms.md主平台；语气/称呼/emoji 尺度贴合style.md； 话题标签贴合账号垂类；合规底线遵守preferences.md。 - 无 Profile：默认小红书笔记形态 + 中性口语风，末尾提示可提供 Profile 定制语气。
规则
- 是改写不是照搬转录——口语要书面化、结构化，去口水词。
- 配图从视频真实画面抽取，时间点由内容决定，避免糊帧。
- 不编造视频里没有的信息；转录不清处标注"[听不清]"而非臆测。
- 保留说话人的核心观点与个人风格，别改成千篇一律的 AI 腔（可再过 text-polisher）。
- 最终
article.md放outputs/主题名/，转录和抽帧等中间件放outputs/主题名/assets/。
参考来源
视频→图文是创作者复用内容的高频需求（一鱼多吃）。转录用 faster-whisper（asr.py），配图用 ffmpeg 抽帧（video_ops.py frame），成文结构化交给 LLM——把确定性 IO 与创意改写分层。
Version History
- 69c5928 Current 2026-09-08 17:40
