飞书 AI 视频剪辑 Skill - MVP
⚡ OpenClaw Skill 大师培训体系 - 实战项目
📋 概述
本 Skill 实现基于飞书的 AI 视频剪辑功能，支持语音识别、智能裁剪、字幕生成等核心功能。
MVP 功能范围
| 功能 | 状态 | 说明 |
|---|---|---|
| 视频下载 | ✅ | 从飞书云空间下载视频 |
| 语音转文字 | ✅ | 使用 Whisper 进行 ASR |
| 静音检测 | ✅ | 自动识别并删除静音片段 |
| 视频裁剪 | ✅ | 基于时间戳裁剪视频 |
| 字幕生成 | ✅ | 自动生成 SRT 字幕 |
| 结果上传 | ✅ | 剪辑完成自动上传到飞书 |
🏗️ 架构设计
核心流程
用户上传视频到飞书
↓
发送指令：@视频助手 剪辑这个视频
↓
Skill 下载视频到本地
↓
AI 分析（语音识别 + 静音检测）
↓
生成剪辑方案
↓
FFmpeg 执行剪辑
↓
上传结果到飞书云空间
↓
返回剪辑后的视频链接技术栈
| 组件 | 技术选型 |
|---|---|
| 视频处理 | FFmpeg |
| 音频分析 | librosa, pydub |
| 语音识别 | Whisper (openai-whisper) |
| 字幕生成 | pysrt |
| 飞书集成 | 飞书开放 API |
🚀 安装与配置
步骤 1：安装系统依赖
# Ubuntu/Debian
sudo apt update && sudo apt install -y ffmpeg
# macOS
brew install ffmpeg
# CentOS/RHEL
sudo yum install -y ffmpeg步骤 2：安装 Skill
claw skill install feishu-video-editor步骤 3：安装 Python 依赖
cd ~/openclaw-skills/feishu-video-editor
pip install -r requirements.txt步骤 4：配置
编辑 config.json：
{
"whisper_model": "base",
"output_dir": "~/Videos/edited",
"auto_upload": true,
"silent_threshold": -50,
"min_silent_duration": 1.0
}💡 使用示例
示例 1：删除静音片段
你：@视频助手 把这个视频中的静音部分剪掉
视频助手：🎬 开始处理视频...
视频助手：📊 检测到 5 段静音，总时长 12 秒
视频助手：✂️ 剪辑完成！
视频助手：✅ 已上传到云空间：[剪辑后的视频.mp4](链接)示例 2：按时间裁剪
你：@视频助手 裁剪视频 00:01:30 到 00:02:45
视频助手：✂️ 裁剪中...
视频助手：✅ 完成！时长：1 分 15 秒示例 3：生成字幕
你：@视频助手 给这个视频生成字幕
视频助手：🎤 语音识别中...
视频助手：📝 生成字幕文件...
视频助手：✅ 字幕已生成：[字幕.srt](链接)示例 4：提取音频
你：@视频助手 提取这个视频的音频
视频助手：🎵 提取中...
视频助手：✅ 音频已提取：[音频.mp3](链接)🔧 可用命令
| 命令 | 说明 | 示例 |
|---|---|---|
/video_editor trim_silence | 删除静音片段 | 上传视频后发送 |
/video_editor crop | 按时间裁剪 | crop 00:01:00 00:02:30 |
/video_editor subtitle | 生成字幕 | 上传视频后发送 |
/video_editor extract_audio | 提取音频 | 上传视频后发送 |
/video_editor merge | 合并多个视频 | merge video1.mp4 video2.mp4 |
/video_editor help | 显示帮助 | - |
⚙️ 配置说明
config.json
{
"whisper_model": "base",
"output_dir": "~/Videos/edited",
"auto_upload": true,
"silent_threshold": -50,
"min_silent_duration": 1.0,
"ffmpeg_preset": "medium",
"max_file_size_mb": 100
}配置项说明
| 参数 | 默认值 | 说明 |
|---|---|---|
whisper_model | base | Whisper 模型：tiny/base/small/medium/large |
output_dir | ~/Videos/edited | 输出目录 |
auto_upload | true | 自动上传到飞书云空间 |
silent_threshold | -50 | 静音检测阈值（dB） |
min_silent_duration | 1.0 | 最小静音时长（秒） |
ffmpeg_preset | medium | FFmpeg 编码预设 |
max_file_size_mb | 100 | 最大文件大小限制 |
📊 性能参考
| 视频时长 | 处理时间（M1 Mac） | 处理时间（Intel i7） |
|---|---|---|
| 1 分钟 | ~30 秒 | ~60 秒 |
| 5 分钟 | ~2 分钟 | ~5 分钟 |
| 10 分钟 | ~5 分钟 | ~12 分钟 |
注意： Whisper 语音识别是主要耗时步骤。
⚠️ 注意事项
1. 文件大小限制
飞书云空间单文件限制 100MB，超过需要：
- 压缩视频质量
- 或分段处理
2. 处理时长
视频剪辑是 CPU 密集型任务：
- 建议在服务器端运行
- 或设置超时限制（默认 10 分钟）
3. 隐私考虑
视频会下载到本地处理：
- 处理完成后自动清理
- 敏感视频建议本地运行
🔄 后续优化（TODO）
- [ ] 支持更多视频格式
- [ ] 添加视频压缩功能
- [ ] 智能高光检测
- [ ] 转场效果
- [ ] 批量处理
- [ ] 云端分布式处理
- [ ] 视频预览卡片
📝 版本历史
| 版本 | 日期 | 更新内容 |
|---|---|---|
| v1.0.0 | 2026-03-21 | MVP 版本，核心功能实现 |
🎓 学习价值
本 Skill 涵盖：
- ✅ FFmpeg 视频处理
- ✅ Whisper 语音识别
- ✅ 音频分析（librosa）
- ✅ 飞书云空间 API
- ✅ 异步任务处理
- ✅ 文件上传下载
作者: Spark ⚡ 创建时间: 2026-03-21 GitHub: https://github.com/rfdiosuao/openclaw-skills/tree/main/feishu-video-editor