youtube-clipper

$npx skills add op7418/youtube-clipper-skill --skill youtube-clipper
SKILL.md

Youtube Clipper

> **Installation**: If you're installing this skill from GitHub, please refer to [README.md](https://github.com/op7418/Youtube-clipper-skill/blob/main/README.md#installation) for installation instructions. The recommended method is `npx skills add https://github.com/op7418/Youtube-clipper-skill`. 你将按照以下 6 个阶段执行 YouTube 视频剪辑任务： **目标**: 确保所有必需工具和依赖都已安装

YouTube 视频智能剪辑工具

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
  1. 检测 yt-dlp 是否可用
    yt-dlp --version
  2. 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>&1 | grep subtitles
`3.  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
  1. 询问用户 YouTube URL
  2. 调用 download_video.py 脚本
    cd ~/.claude/skills/youtube-clipper
python3 scripts/download_video.py <youtube_url>
  3. 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
  4. 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）
  1. 调用 analyze_subtitles.py 解析 VTT 字幕
    python3 scripts/analyze_subtitles.py <subtitle_path>
  2. 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
  3. 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）
  4. 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
  5. 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
  6. 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
  1. 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）
  2. 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？
  3. 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：
    • 字体大小: 24
    • 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
  1. 创建输出目录
    ./youtube-clips/<日期时间>/
    输出目录位于当前工作目录下
  2. 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
  3. 向用户展示：
    • 输出目录路径
    • 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
  4. 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
  • 创建无空格临时目录
  • 复制文件到临时目录
  • 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

  1. 进度可见: 每个步骤都展示进度和状态
  2. 错误友好: 清晰的错误信息和解决方案
  3. 可控性: 用户选择要剪辑的章节和处理选项
  4. 高质量: 章节分析有意义，翻译准确流畅
  5. 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：
  1. 立即开始阶段 1（环境检测）
  2. 按照 6 个阶段顺序执行
  3. 每个阶段完成后自动进入下一阶段
  4. 遇到问题时提供清晰的解决方案
  5. 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。