video-chapter-splitter

Video Chapter Splitter v2.0

基于字幕语义自动识别章节边界，精准切割视频为独立片段的 Claude Code Skill。

English | 中文

中文

v2.0 更新

• 先提取音频再转录，速度提升 10x+：直接丢视频给 Whisper 在 CPU 下极慢（1.5GB 视频预计 10+ 小时），提取音频后只需 5 分钟
• 默认使用 small 模型：CPU 下性价比最高，中文识别准确率够用
• 修复 Windows GBK 编码问题：移除所有 emoji，纯 ASCII 输出
• 文件名安全处理：自动清理特殊字符，避免跨平台问题
• 自动清理中间文件：提取的音频文件默认自动删除

功能

• 音频提取：FFmpeg 提取 16kHz mono WAV（Whisper 最优格式），1.5GB 视频 3 秒搞定
• 字幕提取：Whisper 本地转录音频，生成带时间戳的字幕
• 语义分析：AI 理解内容，按知识点/问答自动识别章节边界
• 精准切割：FFmpeg 按语义章节切割，非固定时长

工作原理

视频文件 (1.5GB)
  ↓ FFmpeg 提取音频 (~3秒)
16kHz mono WAV (~180MB)
  ↓ Whisper 本地转录 (~5分钟, CPU small模型)
字幕文本（带精确时间戳）
  ↓ Claude 语义分析 (~72K token)
章节边界 JSON
  ↓ FFmpeg 精准切割 (~10分钟)
独立视频片段

成本（实测数据）

以 1.5GB / 1小时38分钟直播课为例：

每小时视频约 67K token，约 $0.74（¥5）

安装依赖

# Python 3.8+
pip install openai-whisper

# FFmpeg（系统安装）
# Windows: winget install Gyan.FFmpeg
# Mac: brew install ffmpeg
# Linux: apt install ffmpeg

使用方法

# 第一步：提取字幕（自动先分离音频再转录）
python video_chapter_splitter.py "视频.mp4" --extract-only

# 第二步：查看生成的 xxx_subtitles.md，创建 xxx_chapters.json
# 或让 Claude 分析字幕自动生成章节 JSON

# 第三步：按章节切割
python video_chapter_splitter.py "视频.mp4" --split-only

参数说明

chapters.json 格式

{
  "chapters": [
    {
      "title": "01_开篇介绍",
      "start_time": "00:00:00",
      "end_time": "00:05:10",
      "summary": "介绍系统架构",
      "type": "knowledge"
    },
    {
      "title": "02_问答环节",
      "start_time": "00:05:10",
      "end_time": "00:12:00",
      "summary": "学员提问与解答",
      "type": "qa"
    }
  ]
}

技术亮点

音频预提取优化

Whisper 只处理音频，但直接传视频时内部解码效率极低。预先用 FFmpeg 提取 16kHz mono WAV：

• 采样率匹配 Whisper，无需内部重采样
• 单声道减少数据量
• PCM 格式无需解码

FFmpeg 切割精度

使用 output seeking 模式（-ss 在 -i 后），实现帧级精度：

# 不推荐：快但不准，可能漂移 5-10 秒
ffmpeg -ss 00:01:00 -i input.mp4 ...

# 推荐：稍慢但精准到帧
ffmpeg -i input.mp4 -ss 00:01:00 ...

English

v2.0 Updates

• Extract audio before transcription, 10x+ faster: Feeding video directly to Whisper on CPU is extremely slow; extracting audio first reduces processing from 10+ hours to ~5 minutes
• Default to small model: Best cost-performance ratio on CPU
• Fixed Windows GBK encoding issues: Pure ASCII output
• Auto-cleanup of intermediate files

Features

• Audio Extraction: FFmpeg extracts 16kHz mono WAV (Whisper's optimal format), ~3 seconds for 1.5GB video
• Subtitle Extraction: Local Whisper transcription with timestamps
• Semantic Analysis: AI detects chapter boundaries by knowledge points and Q&A sections
• Precise Cutting: FFmpeg cuts by semantic chapters, not fixed duration

How it works

Video (1.5GB)
  ↓ FFmpeg extract audio (~3s)
16kHz mono WAV (~180MB)
  ↓ Whisper transcribe (~5min, CPU small)
Timestamped subtitles
  ↓ Claude semantic analysis (~72K tokens)
Chapter boundaries JSON
  ↓ FFmpeg precise cut (~10min)
Individual video clips

Cost (Real-world data)

For a 1.5GB / 1h38m live stream:

~67K tokens per hour of video, ~$0.74 per hour

Installation

pip install openai-whisper
# Install FFmpeg system-wide

Usage

# Step 1: Extract subtitles (auto extracts audio first)
python video_chapter_splitter.py "video.mp4" --extract-only

# Step 2: Review xxx_subtitles.md, create xxx_chapters.json

# Step 3: Split by chapters
python video_chapter_splitter.py "video.mp4" --split-only

相关文章

• v1.0: 10 分钟，我用 Claude Code 造了一个视频语义切割工具
• v2.0: 10 分钟完成 1.5 小时视频语义切割，成本不到 1 元

作者

Created with Claude Code. v1.0 in 5 minutes, v2.0 optimized through real-world usage.

License

MIT License