Gemini Video Analysis Skill | 视频转写、分镜与分析报告工具下载

工具简介

这是一个开源的 Gemini / Codex 视频分析 Skill。它的目标不是简单“把视频转成文字”，而是把一个本地视频或视频链接整理成一套可复查的分析包：带时间戳的完整转写、语义分镜、关键帧截图、视频节奏接触表，以及一份可直接打开阅读的 HTML 分析报告。

它适合用来拆解教程视频、产品演示、屏幕录制、B 站或 YouTube 参考视频，也适合在做 Remotion 复刻、短视频拆解、课程复盘、内容选题分析前，先把视频结构变成可检索、可引用、可继续加工的资料。

开源仓库地址：github.com/mrzhangguoguo/gemini-video-analysis-skill

核心能力

Whisper 转写打底

这个 Skill 默认先用本地 Whisper 生成基础字幕和时间戳。对于中文技术视频，推荐从 small 模型起步，在准确率、速度和本地可运行性之间取得一个比较稳的平衡。

转写结果会保留原始 JSON、SRT、VTT、TSV 和 TXT 等格式，方便你后续校对、剪辑、摘要或继续喂给其他自动化流程。

Gemini 原生视频理解

拿到转写之后，Skill 会把视频本身交给 Gemini 的多模态 video-in 能力分析，而不是只看字幕文本。

它会重点识别：

画面中真正有意义的状态变化
页面切换、代码运行、UI 变化、结果出现等语义分镜
每个视觉片段对应的口播内容
视频叙事结构、节奏、可信度建立和结果展示方式

自动整理成报告包

一次分析完成后，默认输出结构会包含：

analysis_report.html：可浏览的完整分析报告
full_transcript.md：带时间戳的完整转写
data/scenes_raw.json：Gemini 识别出的原始场景数据
data/aligned_storyboard.json：转写与分镜对齐后的结构化数据
frames/scene_*.jpg：每个关键场景的代表帧
contact-sheet-sampled.jpg：快速浏览视频节奏的接触表

适用场景

1. 视频内容拆解

如果你经常看长视频、教程、访谈或产品演示，这个 Skill 可以先把视频拆成“时间线 + 分镜 + 重点画面 + 口播文本”，比只看字幕更适合复盘。

2. 视频转代码或动画复刻

当你想复刻一个视频里的动效、镜头推进、UI 展示节奏或 Remotion 片段时，单纯转写是不够的。这个 Skill 会额外关注镜头运动、画面变化、关键状态和音画同步位置，方便后续进入实现阶段。

3. 内容创作素材库

对于创作者来说，它可以把视频参考资料沉淀成长期可检索的结构化素材。你可以继续基于输出报告做选题、改写、脚本、分镜、文章或课程提纲。

包含内容

ZIP 文件中包含一个干净的开源项目：

README.md：项目介绍、安装方式和安全提醒
SKILL.md：完整 Skill 工作流说明
SECURITY.md：公开仓库安全边界
LICENSE：MIT License
.gitignore：避免把视频、报告、密钥和缓存提交进仓库

安装与使用

你可以把仓库直接克隆到 Gemini skill 目录：

git clone https://github.com/mrzhangguoguo/gemini-video-analysis-skill.git \
  ~/.gemini/config/skills/video-analysis

也可以把 SKILL.md 放到 Codex skill 目录中复用：

mkdir -p ~/.codex/skills/video-analysis
cp SKILL.md ~/.codex/skills/video-analysis/SKILL.md

然后在 Agent 里直接这样调用：

Use the video-analysis skill to analyze /absolute/path/to/video.mp4.
Create a full transcript, scene storyboard, keyframes, and HTML report.

为什么值得下载

很多视频分析工作流的问题是：这次临时能跑，下次又要重新拼命令、重新想输出格式、重新整理目录。

这个 Skill 的价值在于把“视频获取、转写、Gemini 视觉理解、关键帧抽取、报告整理、完整性检查”固定成一套明确流程。你可以直接拿来用，也可以在它的基础上继续加自己的脚本、报告模板和内容分析规则。

如果你正在把视频内容变成文章、课程、短视频脚本、产品演示复盘，或者想系统学习优秀视频的结构，这个开源 Skill 会比一次性的转写工具更适合长期复用。

使用提醒

这个包不包含 Gemini API Key，也不包含任何私有视频或生成报告。
分析 URL 视频时，仍然需要本地可用的 yt-dlp。
关键帧抽取依赖 ffmpeg / ffprobe。
如果使用 cookies 下载视频，请把 cookies 文件放在仓库外，不要提交到 GitHub。