口播与直播素材整理成图文
把自己的视频转成有结构的文章或笔记，从原画面抽取配图，保留转录和时间轴。
适用场景
在抖音、视频号或B站已经讲过一个主题，想继续整理成公众号文章、小红书笔记或图文资料时可以用。它从你提供的视频文件出发，先转录，再重组文章和挑选原画面。与单独的语音转写不同，主要交付是可以继续编辑的图文稿；它不根据链接自动下载平台视频。
主要功能
保留原话与时间轴
用共享语音识别脚本提取文字和时间点，作为成文依据。专有名词、数字和口音容易识别错误，先对照音频校正；识别不清的部分不应凭空补齐。
把口语内容整理成篇
将讲述中的重复和跳转整理成标题、小标题、要点与正文，保留核心观点和个人表达。可以指定公众号文章、小红书笔记、知乎回答或通用图文，不只是把字幕逐行贴出来。
从原视频选择配图
根据正文需要标出画面时间点，再用ffmpeg抽取图片。优先选择清楚且有信息的展示、操作或对比画面；不会重新生成不存在的现场，也不能用一张截图证明原片没有讲过的结论。
留下可继续编辑的素材
交付文章、配图、转录和时间轴，方便以后修改、核对出处或继续制作卡片。成套图文卡片属于其他技能的后续工作，本项不默认生成卡片图片或发布文章。
准备资料
提供自己的口播、讲座、直播回放或Vlog视频文件，说明希望整理成哪种图文、读者是谁、需要保留哪些观点和画面。补充专有名词及正确数字；如有现成校对稿，可以一起提供。视频的下载和使用权限由你处理，本项不请求账号登录。
使用方法
转录并校正关键内容
先生成原文和时间轴，核对人名、产品型号、数字和重要观点，再开始写稿。
整理结构并确定配图
按目标读者重新组织文章，把所需原画面对应到具体时间点，避免图文说的是不同事情。
抽图后检查整篇交付
查看配图是否清楚、观点是否保留、正文能否独立读懂，保留转录备查。发布仍在你确认稿件之后另行处理。
交付内容
得到一篇Markdown图文稿、从视频抽出的配图，以及可核对的转录文字和时间轴。它整理已有内容，不负责自动找新热点、验证产品事实或替你完成平台发布。
- 成篇文章或笔记
- 原画面配图
- 转录文字与时间轴
使用条件与费用
- 原生入口是Easel Agent。需要完整Skill以及同提交的共享asr.py、video_ops.py；Python环境还需faster-whisper、ffmpeg，抽图依赖本地视频处理工具。
- 语音识别首次会下载模型，可能需要较多磁盘空间和可用下载网络。没有本地缓存时先说明下载；成文由所用Agent模型完成，费用按自己的环境计算。
- 来源根目录采用Apache-2.0。第三方语音模型、软件和视频素材按各自许可；本次收录没有下载模型、生成稿件或新增付费调用。
安装细节
安装和使用命令已经备好，按右侧步骤操作即可。需要查看技术配置时，可参考作者说明。
- 上游原生入口是 Easel Agent。本页固定提交获取单项 Skill 与引用，由当前 Agent 检查能否启用；不默认运行整套安装器。安装时保留 skills/builtin 与 skills/shared 的相对层级，或由 Agent 明确调整引用。完整安装的上游 doctor 检查存在失败，不承诺整套系统即装即用。
使用提醒
- 不是单独安装SKILL.md就能运行；共享脚本和依赖必须就绪。仅有视频分享链接时需先提供可处理的本地文件。
- 语音识别不等于事实核验，图片是原画面截帧而非重新设计。文章仍需检查是否准确表达原讲述。
- 本次检查固定源码、CLI帮助和上游记录，未真实转写、抽帧或生成文章。上游整套安装失败记录保留，不能称端到端效果通过。
作者与来源
已核对作者文档，未进行运行测试。
同提交常规 CI 成功（真实安装跳过） ↗ 同提交真实安装检查失败记录 ↗
查看关键事实的原文依据
输出：详见中文功能与使用说明。
## 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 - `outputs/主题名/assets/transcript.txt` / `outputs/主题名/assets/transcript.json` — 转录原文与时间轴（备查，均相对项目根） ## 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） ```bash 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。） #来源文档：skill
2. 结构化成图文（你来做）：详见中文功能与使用说明。
### 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： ```bash 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 *来源文档：skill
规则：详见中文功能与使用说明。
## 规则 1. 是**改写**不是**照搬转录**——口语要书面化、结构化，去口水词。 2. 配图从视频真实画面抽取，时间点由内容决定，避免糊帧。 3. 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。 4. 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）。 5. 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。来源文档：skill
来源仓库采用 Apache-2.0 许可；另有说明的第三方素材按各自许可。
Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ TERMS AND CONDITIONS FOR USE, REPRODUCTION, AND DISTRIBUTION 1. Definitions. "License" shall mean the terms and conditions for use, reproduction, and distribution as defined by Sections 1 through 9 of this document. "Licensor" shall mean the copyright owner or entity authorized by the copyright owner that is来源文档：file1
上游原生入口是 Easel Agent。本页固定提交获取单项 Skill 与引用，由当前 Agent 检查能否启用；不默认运行整套安装器。安装时保留 skills/builtin 与 skills/shared 的相对层级，或由 Agent 明确调整引用。完整安装的上游 doctor 检查存在失败，不承诺整套系统即装即用。
所有技能都通过 Easel 的 Agent 执行。Agent 会读取对应 `SKILL.md`，调用脚本和工具，并把产物保存到 `outputs/`。来源文档：file2
内容有误？告诉我们
01 安装到 Agent
复制安装命令，发给你正在使用的 Agent。
查看完整安装命令
发送后，等待 Agent 回复安装结果。
首次使用请先安装；已安装可直接填写下方任务。
02 填写你的任务
复制后，粘贴到已安装 Skill 的 Agent 对话。
