视频内容分析

下载视频 → 压缩 → Files API 上传 → Responses API 分析。一次 API 调用出完整结果。

依赖

• yt-dlp（brew install yt-dlp）
• ffmpeg（brew install ffmpeg）

步骤

1. 读取配置

# 从 ~/.claude/skills/video-analyzer/config/secrets.md 读取
API_KEY="your-api-key-here"
API_URL="https://ark.cn-beijing.volces.com/api/v3/responses"
MODEL="doubao-seed-2-0-pro-260215"

2. 获取视频

本地文件：直接用。

在线视频（B站/YouTube 等）：

yt-dlp -f "bv*+ba/b" -o "/tmp/video-analyzer-%(id)s.%(ext)s" --no-playlist "URL"

B站高清需要 Cookie：

yt-dlp --cookies-from-browser chrome -f "bv*+ba/b" -o "/tmp/video-analyzer-%(id)s.%(ext)s" --no-playlist "URL"

3. 压缩（超过 100MB 时）

ffmpeg -i "输入文件" -vf "scale='min(720,iw)':-2" -c:v libx264 -crf 28 -preset fast -c:a aac -b:a 64k -y /tmp/video-analyzer-compressed.mp4

实测效果：327MB → 74MB。如果还大，加 -crf 32 或 -t 600 截前 10 分钟。

4. 上传 Files API

curl -s https://ark.cn-beijing.volces.com/api/v3/files \
  -H "Authorization: Bearer $API_KEY" \
  -F "purpose=user_data" \
  -F "file=@/tmp/video-analyzer-compressed.mp4"

返回 {"id": "file-xxx", "status": "processing"}，提取 id 即 file_id。

5. 等待文件处理完成

文件上传后状态为 processing，必须等处理完才能调用分析。

如果调用分析返回 OperationDenied.InvalidState 说明还没处理完，再等 15 秒重试。

6. 调用 Responses API

curl -s "$API_URL" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $API_KEY" \
  -d '{
    "model": "'"$MODEL"'",
    "input": [{
      "role": "user",
      "content": [
        {"type": "input_video", "file_id": "'"$FILE_ID"'"},
        {"type": "input_text", "text": "提示词"}
      ]
    }]
  }'

关键：用 "file_id" 字段引用视频，不要用 "video_url" 传 file_id（会报 invalid scheme）。

7. 默认提示词

你是一个视频内容分析助手。请按时间线详细梳理视频内容，要求：
1. 标注准确的时间戳 [mm:ss]
2. 提取所有关键信息：讲解的知识点、出现的文字、图表、公式、人物动作、场景变化
3. 生成结构化的内容笔记
请用中文详细回答。

用户可指定侧重点（"重点分析代码"、"提取公式"、"总结观点"），融入 prompt。

8. 解析响应

响应 output 数组包含两类：

• "type": "reasoning" — 模型思考过程（忽略）
• "type": "message" — 最终结果，取 content[].text

for item in result["output"]:
    if item["type"] == "message":
        for c in item["content"]:
            if c["type"] == "output_text":
                print(c["text"])

9. 清理

rm -f /tmp/video-analyzer-*

10. 输出格式

拿到原始分析后，根据用户意图决定输出详细程度：

• 用户说"分析视频"、"视频笔记" → 直接输出完整笔记
• 用户说"简单描述"、"讲了什么" → 用自己的话精简概括，不贴原文

踩坑记录