video-distillation

video-distillation is a Codex skill for turning videos, keyframes, screenshots, reference images, narration scripts, and short plot briefs into:

• a Chinese video analysis package
• a continuous action timeline
• separated audio layers for dialogue / POV speech / narration
• a Doubao-ready image-to-video prompt package

中文说明：

video-distillation 是一个面向 Codex 技能系统的短视频蒸馏 skill。
它的目标不是只“总结视频”，而是把视频、关键帧、参考图、旁白文案和剧情需求，整理成一份更适合图生视频模型执行的中文分析包和提示词包。

Keywords

This repository is intentionally optimized to be discoverable for queries related to:

• video distillation
• short video prompt
• image to video prompt
• Doubao prompt
• storyboard extraction
• motion breakdown
• POV speech separation
• narration separation
• dialogue extraction
• Chinese video analysis

中文关键词：

• 视频蒸馏
• 短视频提示词
• 图生视频提示词
• 豆包提示词
• 分镜拆解
• 动作拆解
• POV 说话
• 旁白分离
• 对白分离

Core Capabilities

• 观察视频并按连续时间轴拆动作
• 绑定角色身份，避免前后段人设漂移
• 区分角色对白、第一人称 POV 说话、旁白 / 画外音
• 强化高风险动作核验，例如递物、摘帽、牵引、踢、咬、接触反馈
• 将分析结果改写成可直接投喂豆包等模型的中文提示词

Install

如果你使用的是 skills CLI，优先尝试直接从 GitHub 安装：

npx skills add stopbye/video-distillation -g -y

如果你的 skills CLI 版本要求显式 skill 名，也可以尝试：

npx skills add stopbye/video-distillation@video-distillation -g -y

本地安装方式：

$CODEX_HOME/skills/video-distillation

然后在支持 skill 的环境中调用：

Use $video-distillation 观察我上传的视频，拆解剧情、动作、POV 说话、角色对白和旁白，并输出豆包可用的提示词包。

Repository Layout

.
├── SKILL.md
├── LICENSE
├── README.md
├── requirements.txt
├── .gitignore
├── agents/
│   └── openai.yaml
├── references/
│   ├── action-patterns.md
│   ├── audio-reading.md
│   ├── critical-reading.md
│   ├── identity-binding.md
│   ├── motion-continuity.md
│   └── output-template.md
└── scripts/
    └── transcribe_audio.py

What It Produces

标准输出结构：

1. 视频内容概述
2. 角色绑定 / 角色卡
3. 场景设定 / 风格锚点
4. 时间轴动作拆解
5. 音频拆解
6. POV 说话
7. 旁白 / 解说
8. 豆包提示词
9. 不确定项

Example Queries

Use $video-distillation 观察我上传的短视频，按 2 秒一段拆动作，并区分角色对白、POV 说话和旁白。

Use $video-distillation 结合视频和角色参考图，锁定人物身份，提取剧情和镜头语言，再输出豆包图生视频提示词。

Use $video-distillation 根据视频和我提供的已知台词，核验角色到底说了什么，哪些是 POV 在说，哪些是旁白。

Notable Design Rules

• 连续时间轴优先，不按镜头切点乱跳
• 先锁角色，再写动作
• 关键动作要验证 动作前 -> 接触瞬间 -> 动作后
• 抓住 和 牵着走 / 拖着走 / 带着移动 必须分开
• 短口头禅、萌系 vocal tic、拟声类台词属于高风险音频节拍
• 当 ASR 只能恢复部分音节时，要报告局限，不能误判成“角色没说话”

Dependencies

scripts/transcribe_audio.py 依赖：

• faster-whisper

推荐安装：

pip install -r requirements.txt

如果你偏好使用现代 Python 项目配置，也可以执行：

pip install .

转写脚本示例：

python scripts/transcribe_audio.py input.mp4 --model small --language zh --output transcript.json

短口头禅、萌系台词、角色口头禅建议补一个 --initial-prompt。

Limitations

• 该 skill 更适合“有明确角色和动作线索”的短视频
• 自动转写不是绝对真相，需要结合口型、动作时序和用户已知信息校验
• 对极短、极轻、极高音、重叠噪声中的角色口头禅，可能只能恢复到部分音节

License

MIT