Yueying

阅影 · 让 AI 看视频

Claude 读不了视频文件，但能读文字和图片。yueying 命令把视频拆成：带时间戳的文字稿（平台字幕优先，没有就本地语音识别，支持中英日韩法德俄等多语言）+ 关键帧图片（场景切换处抽帧，左下角烧了编号和时间）+ 九宫格总览图 + 一份 report.md 索引。

步骤

1. 运行（第一次跑语音识别会下载模型，可能要几分钟；长视频识别需要一些时间，耐心等）：

   yueying "<视频路径或链接>" --out "<输出目录>"
   

   • 输出目录建议放在当前项目下，如 ./yueying_out/<视频名>；不传 --out 也会用这个默认值。
   • 视频里没人说话、只想看画面：加 --no-asr。只要文字不要画面：加 --no-frames。
   • 已知语言可加 --lang zh / --lang en 等，识别更稳。
   • 画面细节多（代码、PPT、操作演示）想看得更密：加 --interval 2（每 2 秒抽一帧）；默认按时长自动，1 分钟内每 2 秒、10 分钟内每 6 秒、更长每 12 到 20 秒。
   • B站 高清或会员视频需要登录：加 --cookies-from-browser chrome（或 edge）。
   • 机器慢或没显卡：加 --model small 换小模型。
   • 多个视频可以一次传多个路径或链接，各出各的文件夹，--out 指定的是父目录，里面会多一份 index.md 总目录；B站 分 P / 合集加 --all 全部处理。

2. 用 Read 读输出目录里的 report.md。里面有简介、章节、画面总览图清单、关键帧清单、按段落带时间戳的文字稿。

3. 用 Read 看 grid_01.jpg 等总览图，快速了解画面走向。需要看清某一刻的细节（代码、PPT、界面操作），再打开 frames/ 下对应的单帧大图。文字稿和画面靠时间戳对照。

4. 按用户的需求提纯：总结、列步骤、抄代码、回答问题、写笔记。引用视频内容时带上时间点，如「（03:15）」，方便用户回看。

注意

• 语音识别可能把专有名词、代码听错，画面上出现的文字以画面为准。
• 文字稿很长时不必全读，先看章节和画面总览，再按需读对应时间段。
• 如果命令不存在：pip install yueying 然后 yueying --install-skill；有 NVIDIA 显卡再加 pip install yueying[cuda]。