worldwonderer/video-recap-skills

video-recap-skills

中文 · English

把任何视频做成中文解说 recap——在 Claude Code 里一句话搞定。 本地只要 ffmpeg 和一个小米 MiMo 的 API Key，不要 GPU、不用下载模型。

演示

https://github.com/user-attachments/assets/92698ec6-0d23-4f9f-8825-c3684ef57aff

成片之外，还能一键导出剪映草稿接着手动精修——原片片段、解说、BGM、字幕各成一轨：

这是什么

一个 Claude Code 插件：五个小而独立的 skill 加一个编排器，各管一段，只靠 work_dir 里的 JSON/MP4 传结果。确定的活儿（剪辑、配音、混音）交给脚本，解说词交给 Agent 写。

flowchart LR
    research["背景调研"] --> understand
    video(["视频"]) --> understand["理解<br/>场景·ASR·VLM"] --> script["写稿<br/>Agent"] --> voiceover["配音<br/>MiMo TTS"] --> assemble["组装<br/>混音·字幕"] --> output(["Recap"])
    script -. 剪辑模式 .-> cut["剪辑"] -.-> voiceover
    classDef io fill:#eef6ff,stroke:#4f86c6,color:#1f2937;
    classDef opt fill:#f3f4f6,stroke:#9ca3af,color:#374151;
    class video,output io;
    class research,cut opt;

为什么用它

• 一个 key 跑全程。 ASR、VLM、TTS 全走小米 MiMo，本地只装 ffmpeg。
• 先调研再分析。 先把剧情人物查清楚写进 background_research.json。
• 原声不丢，动态混音。 解说压低原声后混进去；句子间隙自动让原声和 BGM 顶上来。
• 能剪、能审。 --edit-mode cut 把长视频压成更短的解说剪辑；出稿前一道 LLM 评审挑幻觉、钩子、主线的毛病。
• 接着在剪映里改。 可选导出多轨剪映草稿；核心渲染只靠 ffmpeg，不装剪映也照常出片。

安装

① 装插件——对 Claude Code 说：

安装这个插件：https://github.com/worldwonderer/video-recap-skills

② 装 ffmpeg（流水线本身不用 pip install，脚本都是标准库 + PATH 上的 ffmpeg，Python 3.10+）：

brew install ffmpeg                        # macOS
sudo apt install ffmpeg                     # Debian/Ubuntu
choco install ffmpeg