Ecommerce Video Highlights

电商视频精彩片段 AI 提取

从长视频（直播回放/种草视频）中识别适合挂车的高价值片段。

Pipeline 三阶段

阶段 1：提取帧图片

# 每分钟1帧，分辨率降到960px方便分析
ffmpeg -i "input.mp4" \
    -vf "fps=1/60,scale=540:960" \
    -q:v 5 "frame_%06d.jpg"

• 采样频率：每60秒1帧是平衡点（太长会漏片段，太短分析量太大）
• 分辨率：保留原始比例，降为960px宽足够 AI 分析

阶段 2：音频转写（Whisper）

import whisper
model = whisper.load_model('base')
result = model.transcribe('audio.wav', language='zh', task='translate')
# 保存到 transcript.json

• 语言：中文视频用 language='zh', task='translate'
• 后台运行：3小时音频需要10+分钟，用 background=true + notify_on_complete=true
• 输出：transcript.json 含 text（全文）和 segments（带时间戳的句子）

阶段 3：AI 视觉分析

• 选每10分钟1帧（约22帧）进行视觉分析
• 用 vision_analyze 工具，prompt 要简洁：

`` 描述视频画面：场景、人物穿着、产品展示、文字内容、时间戳约XX:XX ``

• 商业价值判断维度：

1. 是否有产品特写（服装/护肤品等）
2. 主播讲解姿势 vs 纯展示
3. 是否有价格/优惠文字
4. 画面是否清晰、主体是否突出

输出格式

推荐片段表：

| 时间 | 场景类型 | 商业价值 | 理由 | |------|----------|----------|------| | 01:41 | 产品特写 | ⭐⭐⭐⭐⭐ | 手持服装展示，可看清材质 | | 03:22 | 搭配讲解 | ⭐⭐⭐⭐ | 全身穿搭演示 |

步骤 4：完成后自动存入 neirong-fuoli 素材库 ⭐

必须执行，不得跳过。

分析完成后，将以下内容写入：

~/content-fuoli/
├── 03-素材库/爆款话术库/
│   └── YYYYMMDD-{竞品名}-{片段名}.md
├── 06-竞品监控/竞品分析/
│   └── YYYYMMDD-{竞品名}-高光分析.md
└── 04-数据复盘/content_data_table.md（追加记录）

分析报告文件模板：

# {竞品名} 视频高光分析
**原始视频**：{标题/链接}
**视频时长**：{X}分钟
**分析时间**：{日期}
**推荐片段数**：{N}个

---

## 片段清单

| 时间 | 场景类型 | 商业价值 | 理由 |
|------|----------|----------|------|
| ... | ... | ... | ... |

---

## 话术亮点摘录

{从Transcript中提取的关键话术，3-5条}

---

## 标签
#竞品 #高光分析 #{竞品名} #电商 #服装

飞书通知用户：

🎯 竞品视频分析完成

**竞品**：{竞品名}
**推荐片段**：{N}个
**高价值片段**：{X}个（⭐⭐⭐⭐以上）

💾 已存入 content-fuoli 竞品监控目录
📋 发布清单：{路径}

---

工具依赖

| 工具 | 安装方式 | |------|----------| | ffmpeg | brew install ffmpeg | | whisper | pip3 install openai-whisper |

---

踩坑记录（2026-04-25 实测）

竞品视频实测（218分钟，5.7GB）

• 帧提取：219帧，4分24秒（符合预期）
• Whisper CPU：3小时38分音频，跑了30分钟仍未完成 → CPU模式极慢，建议GPU或接受更长等待
• AI画面分析：每10分钟取1帧共22帧，约30分钟分析完毕
• 实测结论：男装竖屏穿搭视频，手持产品 + 讲解场景商业价值最高

商业价值判断标准（实测验证）

| 画面特征 | 商业价值 | 实例 | |----------|----------|------| | 手持产品特写 | ⭐⭐⭐⭐⭐ | 灰色上衣手持展示 | | 换装+搭配讲解 | ⭐⭐⭐⭐ | 围巾系法演示 | | 拉链/面料细节 | ⭐⭐⭐⭐ | 外套拉链特写 | | 手势讲解 | ⭐⭐⭐⭐ | 手部动作强调 | | 纯静态对话 | ⭐⭐ | 坐姿说话无产品 | | 扭头/模糊 | ⭐⭐ | 人物不在C位 |

---

注意事项

• Whisper CPU 极慢：3h+ 音频需 30-50 分钟，GPU 版可加速 10x+
• 竖屏视频（9:16）通常是直播回放或抖音内容
• 帧采样策略：每10分钟取1帧是商业视频的平衡点（太密token浪费，太疏会漏片段）
• 男装/女装/护肤品是主流电商类型，分析 prompt 可针对性调整

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: yehyakin
• Source: yehyakin/hermes-skills
• License: MIT

Install and usage instructions live in the source repository linked above.