Video Summarizer — Hermes Skill

将 B 站/YouTube/小红书/抖音视频转换为结构化 Notion 总结文档，自动上传截图，一键推送 Notion。

版本: 1.1.3
发布: 2026-06-23 许可: MIT
作者: Ajay Hao

⚠️ 安全提示: 本技能会将视频内容发送至第三方 AI 服务进行分析。建议使用专用 API Key，OSS Bucket 配置最小权限。详见 安全说明。

---

📖 核心能力

• 🎬 多平台支持: B 站、YouTube、小红书、抖音
• 📝 智能分析: AI 提取关键概念、核心要点、注意事项
• 📸 截图嵌入: 基于 AI 分析结果自动生成关键帧截图
• ☁️ 图床集成: 阿里云 OSS 自动上传，永久链接
• 🚀 双通道推送: Obsidian 本地（默认）+ Notion 云端（--notion 开启）

技术特性

• 双模式转录: Plan A（官方字幕）优先，Plan B（语音转录）兜底
• 并行优化: 字幕下载与视频下载并行执行，节省 ~32% 时间
• GPU 自适应: 自动检测显存，选择最优 Whisper 模型
• 断点续跑: 支持从中断点恢复，避免重复处理
• 四层标签: 标题 hashtag → 元数据 → AI 关键词 → 默认值

---

🎯 快速开始

# 1. 安装依赖
pip3 install requests oss2 python-dotenv
# 系统依赖: ffmpeg (>=6.1), yt-dlp (>=2026.03.17)

# 2. 配置环境变量 ($AGENT_HOME/.env)
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://api.deepseek.com
LLM_MODEL=deepseek-v4-pro
ALIYUN_OSS_AK=your_ak
ALIYUN_OSS_SK=your_sk
ALIYUN_OSS_BUCKET_ID=your_bucket
ALIYUN_OSS_ENDPOINT=oss-cn-shanghai.aliyuncs.com

# 3. 运行
cd scripts
./video-summarize.sh "https://www.bilibili.com/video/BV1xxxx"

# 4. 查看结果
cat $TMPDIR/video-summarizer-*/summary.md  # Linux: /tmp/...  Windows: %TEMP%/...

---

⚙️ 环境变量

必需配置

变量	说明	示例
LLM_API_KEY	AI 分析 API Key	sk-xxx
LLM_BASE_URL	LLM API 地址（OpenAI 兼容）	https://api.deepseek.com
LLM_MODEL	模型名称	deepseek-v4-pro
ALIYUN_OSS_AK	阿里云 OSS AccessKey
ALIYUN_OSS_SK	阿里云 OSS Secret
ALIYUN_OSS_BUCKET_ID	OSS Bucket 名称
ALIYUN_OSS_ENDPOINT	OSS 区域端点	oss-cn-shanghai.aliyuncs.com

可选配置

变量	说明	默认行为
OBSIDIAN_VAULT_PATH	Obsidian Vault 路径（推荐配置）	未配置时跳过存储
GROQ_API_KEY	Groq 语音转录加速	未配置时使用本地 Faster-Whisper
NOTION_API_KEY	Notion API Key	未配置时跳过推送
NOTION_VIDEO_SUMMARY_DATABASE_ID	Notion 数据库 ID	同上
WHISPER_MODEL	本地 Whisper 模型	base

通过 LLM_BASE_URL 可接入 DeepSeek / DashScope / OpenAI / Groq 等任意 OpenAI 兼容平台。

---

🏗️ 处理流程

用户输入 (视频 URL)
       ↓
Step 1: 平台识别 + 元数据
       ↓
┌──────┴──────┐
↓             ↓
Step 2: 字幕   Step 3: 视频下载  ← 并行执行
       ↓             ↓
       └──────┬──────┘
              ↓
Step 4: 文本提取 (VTT → TXT / Plan B 转录)
       ↓
Step 5: AI 分析 (OpenAI 兼容接口)
       ↓
Step 6: 截图生成 (ffmpeg, 基于 AI 时间戳)
       ↓
Step 7: OSS 上传 (截图 + 封面)
       ↓
Step 8: Markdown 渲染
       ↓
Step 9: Notion 推送 (可选, --notion)
       ↓
Step 10: Obsidian 本地存储 (默认, --no-obsidian 禁用)

技术栈

层级	技术
编排层	Bash (video-summarize.sh)
分析层	Python + OpenAI 兼容 LLM API
转录层	Groq API (可选) / Faster-Whisper (本地)
工具层	yt-dlp, ffmpeg, oss2, requests

---

📋 脚本清单

脚本	功能
video-summarize.sh	主流程编排（Plan A/B 自动选择）
analyze-subtitles-ai.py	AI 分析 + Markdown 渲染
upload-to-oss.py	OSS 图床上传（截图 + 封面）
push-to-obsidian.py	Obsidian Vault 写入（默认）
push-to-notion.py	Notion 推送（--notion 触发）
transcribe-audio.py	语音转录（GPU 自适应）
llm_client.py	多平台 LLM 客户端（OpenAI 兼容）
bili-login.sh	B 站扫码登录
douyin_downloader.py	抖音专用下载器
check-config.sh	配置检查

---

📁 输出结构

output/
├── summary.md              # 📝 最终总结（主要成果）
├── ai_result.json          # 🧠 AI 分析原始结果
├── screenshot_urls.txt     # 🔗 截图 OSS 链接
├── metadata.json           # 📊 视频元数据
├── transcript.txt          # 📄 纯文本字幕
├── audio.txt               # 🎤 语音转录原始文本（Plan B）
├── cover_url.txt           # ☁️ 封面 OSS 上传结果
├── screenshot_times.txt    # ⏱️ 截图时间戳记录
├── screenshots/            # 📸 截图原图
├── cover.jpg              # 🖼️ 封面图
└── *.log                   # 📋 日志文件

---

🏷️ 标签策略（四层提取）

1. 标题 hashtag → #标签 格式提取
2. 元数据 tags → yt-dlp 原始标签
3. AI 关键词 → AI 分析的核心概念
4. 默认值 → 视频总结 / AI 分析 / 教程 / 技巧 / 知识分享

规则：2-15 字符，最多 5 个，自动去重，优先级 1→2→3→4。

---

📝 输出格式

生成的 summary.md 包含：

1. 标题 + Tags + Author
2. 📝 Note — AI 概述（150-250 字）
3. 📺 视频信息 — 链接/时长/播放数据
4. 📚 关键概念 — 术语表格（3-5 个）
5. 🎯 核心要点 — emoji + 描述 + 时间戳（5-8 个）
6. 🎬 视频章节 — 标题 + 时间轴 + 截图
7. ⚠️ 注意事项 — 特别提醒（2-4 个）
8. 💡 总结 — AI 归纳（200-300 字）

---

📊 性能基准（10 分钟视频）

平台	Plan A	Plan B（本地）	Plan B（Groq）
Bilibili	~90 秒	~150 秒	~120 秒
YouTube	~90 秒	~150 秒	~120 秒
小红书	-	~150 秒	~120 秒
抖音	-	~150 秒	~120 秒

---

📓 Obsidian 本地存储

设计理念

四种场景，一条命令覆盖：

你的配置	命令	效果
都不配	--no-obsidian	仅抓取，会话中输出 Markdown
仅 Notion	--no-obsidian --notion	推送到 Notion
仅 Obsidian（推荐）	（零参数）	推送到 Obsidian，零外部依赖
两者都配	--notion	Obsidian + Notion 双存档

💡 无论哪种配置，summary.md 始终在临时目录生成，可随时手动查阅。

功能

视频总结完成后，默认推送到 Obsidian——本地优先，零外部依赖。

存储结构

{Obsidian Vault}/
└── 1-收件箱/
    └── 视频总结/
        ├── bilibili_BV1xxx_20260622.md      # YAML frontmatter + status: inbox
        └── attachments/
            ├── screenshot_01.jpg
            └── cover.jpg

配置

# 在 $AGENT_HOME/.env 中添加
# macOS
OBSIDIAN_VAULT_PATH=/Users/name/ObsidianVault
# Windows
OBSIDIAN_VAULT_PATH=D:\ObsidianVault
# Linux
OBSIDIAN_VAULT_PATH=/home/name/ObsidianVault

使用

# 默认：推送到 Obsidian
./video-summarize.sh "https://www.bilibili.com/video/BV1xxxx"

# Obsidian + Notion 两者
./video-summarize.sh "https://www.bilibili.com/video/BV1xxxx" --notion

# 仅 Notion
./video-summarize.sh "https://www.bilibili.com/video/BV1xxxx" --notion --no-obsidian

# 仅分析不推送
./video-summarize.sh "https://www.bilibili.com/video/BV1xxxx" --no-obsidian

---

🔜 后续优化

• 单元测试（核心函数覆盖率 80%+）
• 性能优化（截图并行上传、结果缓存）
• 支持更多平台（TikTok、Instagram Reels）

---

📞 更多文档

• 平台详情: references/platforms.md — 四平台支持、Plan A/B 对比
• 安全说明: references/security.md — 隐私、端点、权限建议
• 故障排查: references/troubleshooting.md — 常见问题解决
• 快速入门: README.md — 5 分钟上手
• 变更历史: CHANGELOG.md — 版本演进
• 提示词配置: prompt.json — AI 分析参数

---

维护人: Ajay Hao
项目地址: https://github.com/AjayHao/video-summarizer
Hermes Skill: 适用于 Hermes Agent 平台