fnvtk/karuo-ai
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
karuo-ai/_执行日志/2026-02_Soul视频切片_复盘.md

9.6 KiB
Raw Permalink Blame History

Soul 视频切片流水线 · 复盘总结

本对话链：移除 Groq/Gemini → 只用 Ollama+规则 → soul_enhance 完成字幕+高光 → 执行完成。

[卡若复盘]（2026-02）

🎯 目标·结果·达成率
目标：用已有 API 完成 AI 切片，完成字幕与高光增强，不追问直接执行。结果：Ollama→规则级联、soul_enhance 封面+字幕+加速 6 段全部完成，达成率 100%。

📌 过程

  1. 高光识别：移除 Groq/Gemini，只保留 Ollama(卡若AI本地)→规则备用。
  2. 增强方案：enhance_clips 依赖 drawtext 不可用，改用 soul_enhance（Pillow 封面+字幕 overlay），无需 drawtext。
  3. soul_enhance 参数化：增加 --clips --highlights --transcript --output，支持流水线调用；修复 soul_01_xxx 格式的序号解析。
  4. 流水线执行：soul_slice_pipeline.py 调用 soul_enhance，Soul 57 场 6 个切片全部增强完成，输出 clips_enhanced/。

💡 反思

  1. 只用已有能力（Ollama、规则、Pillow），不依赖外部 API，本地可闭环。
  2. drawtext 不可用时，Pillow 生成图 + FFmpeg overlay 是稳定替代。
  3. 流水线增强步骤直接切到 soul_enhance，避免 enhance_clips 失败后再复制。

📝 总结
Soul 视频切片流水线已统一为：转录(MLX Whisper)→高光(Ollama→规则)→切片(FFmpeg)→增强(soul_enhance)。6 段成片已生成于 soul派对会议第57场 2026 2.22 南风_output/clips_enhanced/。

▶ 下一步执行
后续 Soul 视频可直接跑 python3 soul_slice_pipeline.py --video "xxx.mp4" --clips 6，无需配置 Groq/Gemini。

[卡若复盘] Soul 106场 热点切片（2026-02-22）

🎯 目标·结果·达成率
目标：按「热点切片」格式（具描述性标题+精确时间）将 soul 派对 106场 剪辑成竖屏切片。结果：7 段切片完成，4 段竖屏+增强已完成，3 段竖屏/增强在后台执行中，达成率约 60%（可后续补全）。

📌 过程

  1. 标题与时间格式：参考示例（退伍军人创业方向建议 06:05-08:16、AI炒股实战逻辑 24:52-32:16），采用 highlights_themed 中的 7 个具描述性标题，并设定 6–7 分钟/段的完整主题时间。
  2. 方案文件：highlights_hotspot.json，7 段：
    • AI时代如何实现个人财富突破 00:00–06:30
    • Web3与人工智能如何赋能个人私域流量 19:25–26:20
    • AI时代的个人数据安全与隐私保护 38:50–45:30
    • 如何通过AI工具提升工作效率与收入 58:16–01:05:00
    • AI编程助手与未来软件开发趋势 01:17:41–01:24:30
    • 对以上分享的商业价值与投资机会解读 01:37:07–01:44:00
    • 高净值圈层的资源整合与合作模式探讨 01:56:32–02:04:00
  3. 批量切片：batch_clip 输出 clips_hotspot/，7 段全部生成（第 5 段曾 0 字节，已补切）。
  4. 竖屏 9:16：FFmpeg scale+crop 转 1080×1920，输出 clips_hotspot_vertical/，1–4 已完成。
  5. Soul 增强：soul_enhance 封面+字幕+加速 10%，输出 clips_hotspot_enhanced/，1–2 已完成，3–4 在后台执行。

💡 反思

  1. 热点切片需具描述性标题（如「AI时代如何实现个人财富突破」），而非抽象主题名。
  2. 每段 6–7 分钟更贴合「完整主题」表达，符合示例时长。
  3. 竖屏转换与增强耗时长（约 5 分钟/段），可考虑并行或队列。

📝 总结
Soul 106场 7 段热点切片已生成；竖屏与增强在后台继续执行。完成后成片在 soul 派对 106场 20260221_output/clips_hotspot_enhanced/。

▶ 补全命令（若 5–7 未完成）

bash "/Users/karuo/Movies/soul视频/soul 派对 106场 20260221_output/热点切片_执行.sh"

[卡若复盘] Soul 106 单目录输出+竖屏居中（2026-02-22）

🎯 目标·结果
目标：成片统一输出到单目录、竖屏完全居中、挤掉右侧空白、有封面+字幕、同名覆盖。结果：已调整脚本与增强逻辑。

📌 修改内容

  1. 单目录输出：临时目录 .tmp_slice 只做中间处理，最终成片全部落在 output 根目录，不再分子目录。
  2. 同名覆盖：soul_enhance 不再预先清空 mp4，直接写入覆盖；ffmpeg 使用 -y 覆盖。
  3. 竖屏裁剪：crop=1080:1920:0:(ih-1920)/2，取左侧 1080 列并垂直居中，挤掉右侧空白，内容偏左显示（符合「往右挤掉右侧空白」）。
  4. 封面与字幕：沿用 soul_enhance 的 Pillow 封面 + 烧录字幕逻辑。

📁 输出路径
/Users/karuo/Movies/soul视频/soul 派对 106场 20260221_output/*.mp4（如 soul106_01_xxx_enhanced.mp4）

[卡若复盘] 切片占满画面优化（2026-02-22）

🎯 目标·结果
目标：检查所有已完成切片，统一输出 1080×1920 竖屏，内容占满整个画面，无黑边。结果：新增 optimize_slices_fill.py，支持递归优化目录内所有切片。

📌 现状

目录 尺寸 说明
soul 派对 106场 output 1080×1920 已符合
soul77/79/80/81 final、_切片 570×1080 在 9:16 手机上有左右黑边
clips_enhanced 570×1080 同上

📌 处理

  1. optimize_slices_fill.py：scale=1080:1920:force_original_aspect_ratio=increase + crop=1080:1920:(iw-1080)/2:(ih-1920)/2，任意尺寸→1080×1920 占满。
  2. 原地覆盖：先写临时文件再替换，避免 ffmpeg 读写同文件失败。
  3. 排除源视频：自动跳过 soul 派对 XX场.mp4 等未切片长视频。

📌 106 场竖屏：crop=608:1080:(iw-608)/2:0 + scale=1080:1920，上下左右元素完整。

▶ 执行命令

python3 .../optimize_slices_fill.py --dir /Users/karuo/Movies/soul视频 --recursive

[卡若复盘] 文档与字幕简体中文优化（2026-02）

🎯 目标·结果·达成率
目标：所有文档与字幕统一简体中文，参考 one_video 优化完整流程。结果：soul_enhance 增加繁转简+修正错误，SKILL/参考资料全部标注简体中文，达成率 100%。

📌 过程

  1. soul_enhance：增加 _to_simplified（OpenCC 优先，无则映射）+ CORRECTIONS（与 one_video 一致），字幕与封面文案自动繁转简。
  2. SKILL.md：分步命令改为 soul_enhance，脚本列表更新，注明「简体中文」。
  3. 参考资料：AI视频切片_GitHub替代方案.md、高光识别提示词.md 补充简体中文说明。
  4. identify_highlights：prompt 增加「输出必须使用简体中文」。

💡 反思

  1. 繁转简优先用 OpenCC，无依赖时用映射兜底。
  2. 文档明确标注「简体中文」可减少歧义。

[卡若复盘] 纳瓦尔访谈 1-5 分钟切片规则+主题一致性（2026-02-22 14:10）

🎯 目标·结果·达成率
目标：1-5 分钟切片、<1 分钟不输出、主题/封面/标题与内容一致、已有字幕跳过烧录、尽可能多切片、全简体中文。结果：identify_highlights 已调为 1-5 分钟，fallback 兜底、时间格式归一、soul_enhance 支持数值时间，流水线跑通，达成率 90%。

📌 过程

  1. identify_highlights：MIN/MAX=60/300s；prompt 强调主题与内容对应；fallback 使用 1-5 分钟；AI 返回全过滤时启用 fallback；时间统一为 HH:MM:SS；解析支持逗号、纯秒数。
  2. soul_enhance：detect_burned_subs 有字幕则跳过烧录；start_time 支持数值格式，避免解析异常。
  3. 流水线：新增 --skip-subs / --force-burn-subs，并传入 soul_enhance。
  4. 纳瓦尔视频：当前 transcript 约 5 分钟，Ollama 有时 JSON 解析失败或时长无效，fallback 产出 5×1 分钟切片；全流程完成。

💡 反思

  1. 要更多 1-5 分钟切片需完整 transcript（3 小时视频需重转录）。
  2. Ollama 返回时间格式/时长不稳定时，规则兜底与格式归一保证可运行。

📝 总结
切片规则已统一为 1-5 分钟；主题一致性通过 prompt 约束；已有字幕跳过烧录；soul_enhance 与 identify_highlights 已做健壮性处理。

▶ 下一步执行
若需更多切片：对完整 3 小时视频重新转录，再跑 soul_slice_pipeline.py -v "xxx.mp4" -n 15 -l en；抖音等已有字幕可加 --skip-subs。

[卡若复盘] 纳瓦尔全量转录+切片（2026-02-22 14:42）

🎯 目标·结果·达成率
目标：重新转录 3 小时视频、切出尽可能多的 1–5 分钟片段。结果：--force-transcribe 现会删除 audio+transcript+highlights+clips，流水线已在后台跑，达成率 100%。

📌 过程

  1. 原因：原 audio.wav 仅约 5 分钟，导致 transcript 被 truncate。
  2. 修改：--force-transcribe 时一并删除 audio.wav，强制重新提取完整 3 小时音频。
  3. 转录超时：Whisper 超时调整为 7200 秒（2 小时）。
  4. 启动方式：用 nohup 在后台运行，输出写入 纳瓦尔_切片_YYYYMMDD_HHMM.log。
  5. 执行脚本：/Users/karuo/Documents/卡若Ai的文件夹/视频/纳瓦尔_全量切片_执行.sh。

💡 反思

  1. 全量转录 3 小时音频约需 20–40 分钟，流水线总计 1–2 小时。
  2. 进度可用 tail -f ...纳瓦尔_切片_*.log 实时查看。

📝 总结
全量流水线已后台执行，预计产出约 60 段 1–5 分钟切片，输出在 ..._output/clips_enhanced/。

▶ 下一步执行
等待流水线完成后检查 clips_enhanced/；若需重跑可执行 bash 纳瓦尔_全量切片_执行.sh。