视频文案分析工具
一站式视频内容提取与文案分析，支持 B站、YouTube、抖音 等平台。
首次使用设置
首次使用时，询问用户：
"请设置默认工作目录（用于保存下载的视频和分析报告）：
A. 使用默认目录：
~/video-analysis/B. 每次手动指定目录 C. 指定一个固定目录：[请输入路径]"
保存用户选择供后续使用。
依赖环境检测
运行前检测以下依赖，如缺失则提示安装：
bash
# 1. yt-dlp
yt-dlp --version
# 2. FFmpeg
ffmpeg -version
# 3. Python 依赖
python -c "import pysrt; from dotenv import load_dotenv; print('OK')"
# 4. RapidOCR (用于烧录字幕识别，ONNX 轻量版)
python -c "from rapidocr_onnxruntime import RapidOCR; print('OK')"
# 5. FunASR (中文语音转录，推荐)
python -c "from funasr import AutoModel; print('OK')"
# 6. requests (用于抖音下载)
python -c "import requests; print('OK')"
安装命令（如缺失）：
bash
# 基础依赖 pip install yt-dlp pysrt python-dotenv requests # FunASR (中文语音转录，轻量且效果好) pip install funasr modelscope # RapidOCR (ONNX 轻量版，用于烧录字幕识别) pip install rapidocr-onnxruntime # Whisper (备选方案) pip install openai-whisper
工作流程（4 阶段）
阶段 1: 下载视频
- •获取用户视频 URL 和输出目录
- •判断视频平台：
- •抖音链接（douyin.com 或 v.douyin.com）：使用专用脚本下载
- •其他平台（B站、YouTube等）：使用 yt-dlp 下载
抖音视频下载
对于抖音链接，使用 scripts/download_douyin.py：
bash
python scripts/download_douyin.py "<抖音链接>" "<输出路径>"
支持的抖音链接格式：
- •短链接：
https://v.douyin.com/xxxxx - •长链接：
https://www.douyin.com/video/xxxxx - •精选页：
https://www.douyin.com/jingxuan?modal_id=xxxxx - •分享链接：
https://m.douyin.com/share/video/xxxxx
下载流程：
code
抖音链接
↓
[Mobile UA 访问] ──→ 获取重定向后页面
↓
[提取 RENDER_DATA] ──→ 解析视频元数据
↓
[提取 play_addr] ──→ 获取无水印视频URL
↓
[下载视频] ──→ 保存到指定路径
其他平台下载（yt-dlp）
对于 B站、YouTube 等平台：
bash
yt-dlp -f "bestvideo[height<=1080]+bestaudio/best[height<=1080]" \ --merge-output-format mp4 \ -o "<output_dir>/%(id)s.%(ext)s" \ "<video_url>"
- •记录视频文件路径
阶段 2: 智能字幕提取
使用 scripts/extract_subtitle_funasr.py 进行智能字幕提取，自动选择最佳方案：
bash
python scripts/extract_subtitle_funasr.py <视频路径> <输出SRT路径>
智能提取流程（三层优先级）：
code
视频输入
↓
[1️⃣ 内嵌字幕检测] ──→ 检测到字幕流 ──→ 直接提取（准确度最高）
↓ 未检测到
[2️⃣ 烧录字幕检测] ──→ 采样帧 OCR 识别 ──→ 检测到文字 ──→ 全视频 OCR 提取
↓ 未检测到
[3️⃣ FunASR 语音转录] ──→ 中文优化转录（效果优于 Whisper）
↓
输出 SRT 字幕
三层提取策略详解：
| 层级 | 方法 | 适用场景 | 准确度 | 速度 |
|---|---|---|---|---|
| L1 | 内嵌字幕提取 | 视频自带字幕流 | ⭐⭐⭐⭐⭐ | ⚡ 极快 |
| L2 | RapidOCR 烧录字幕识别 | 字幕烧录在画面中 | ⭐⭐⭐⭐ | 🚀 快 |
| L3 | FunASR Nano 语音转录 | 无字幕，纯语音 | ⭐⭐⭐ | 🐢 中等 |
技术栈说明：
- •
RapidOCR (ONNX): 用于检测和提取烧录在视频画面中的字幕
- •🚀 轻量级：ONNX Runtime 推理，无需 GPU
- •🎯 跨平台：Windows/Linux/Mac 均支持
- •📦 易部署：单 pip 安装，无复杂依赖
- •✨ 高精度：基于 PaddleOCR 模型优化
- •
FunASR Nano: 阿里开源中文语音识别模型
- •🚀 轻量级：~100MB vs Whisper Large ~1.5GB
- •🎯 中文优化：针对中文语音专门训练，效果优于 Whisper
- •⏱️ 时间戳：支持字级别时间戳
- •💨 速度快：CPU 上也能快速运行
备选方案：
如需使用 Whisper（英文内容推荐）：
bash
python scripts/extract_subtitle.py <视频路径> <输出SRT路径>
如需手动控制，可使用原 transcribe_audio.py：
bash
python scripts/transcribe_audio.py <视频路径> <输出SRT路径> [模型] [语言] [设备]
阶段 3: 文稿校正
- •读取 SRT 字幕文件
- •合并字幕为连续文本
- •基于上下文语义进行智能校正：
- •修正同音字错误
- •修正专业术语
- •补充标点符号
- •输出校正后的文字稿（Markdown 格式）
校正输出格式：
markdown
# 视频语音转录文字稿 **视频来源**: [URL] **转录时间**: [日期] --- ## 完整文字稿 [校正后的正文内容] --- ## 原始 SRT 字幕 [带时间戳的原始转录]
阶段 4: 三维度综合分析
应用三个分析框架进行深度分析：
4.1 TextContent Analysis 视角
- •叙事结构分析
- •叙事声音分析
- •修辞手法识别
- •词库提取
4.2 Viral-Abstract-Script 视角
- •Viral-5D 框架诊断（Hook/Emotion/爆点/CTA/社交货币）
- •风格定位
- •爆款潜力评估
- •优化建议
4.3 Brainstorming 视角
- •核心价值拆解
- •2-3 种创意方向探索
- •增量验证点
分析输出格式：
markdown
# 视频文案综合分析报告（三维度） ## 一、TextContent Analysis 视角 [叙事结构、修辞手法、词库] ## 二、Viral-Abstract-Script 视角 [Viral-5D诊断、风格定位、优化建议] ## 三、Brainstorming 视角 [价值拆解、创意方向、验证点] ## 四、综合评估与建议 [评分、改进建议、改写示例]
完成后输出
完成所有阶段后，向用户播报：
code
✅ 视频文案分析完成！ 📁 输出目录: <用户指定的目录> 📄 生成文件: - <视频ID>.mp4 (原始视频) - <视频ID>.srt (原始字幕) - <视频ID>_文字稿.md (校正后文字稿) - <视频ID>_分析报告.md (三维度分析报告) 🔗 快速打开: [文字稿](<文字稿路径>) [分析报告](<分析报告路径>)
参考文件
- •download_douyin.py: 抖音视频下载脚本
- •extract_subtitle_funasr.py: 智能字幕提取脚本（FunASR + RapidOCR）
- •extract_subtitle.py: 字幕提取脚本（Whisper）
- •transcribe_audio.py: 音频转录脚本
- •analysis-frameworks.md: 三个分析框架详解