北京
大家好，我是忙得暈頭轉向的老章
大家非常喜愛這個Skills，問了很多我沒有考慮到但實際上這個Skills都具備的能力，比如某
文中也提到，下載視頻只是第一步，好玩的是我寫的另一個Skills（z-video-study-webpage-qwen），可以把視頻內容完整總結，做成一個網頁
網頁里包含：
本地視頻播放器
30 秒總覽
關鍵知識點 × 正確畫面
代碼 / PPT / 屏幕演示截圖
時間線
風險 / 機會矩陣
復盤問題
行動清單
可惜我實在是太忙了，只能先開源出來，然后再細致調一下，發出更多案例
本文就簡單介紹一下完整思路
說起來很簡單，skills 把本地 MP4 拆成四條線
音頻線：抽出音頻，用 Whisper 轉成全文 transcript
畫面線：按全片時長密集抽關鍵幀，每張圖都有
frame_id和時間戳直掃線：小視頻會用
video_url直接給qwen3.7-plus做一次全局視覺掃描理解線：把 transcript 片段和對應多張幀圖發給
qwen3.7-plus，讓模型輸出結構化學習結果
但實際執行，其實蠻復雜的
安裝的話，把這個Skills（tjxj/z-skills/tree/main/z-video-study-webpage-qwen）扔給你的Agent就行了，中間需要提供多模態模型的key
更具體的介紹我后天再補，這兩天實在忙崩了，大家先試試好用不好用
拜托兄弟姐妹，爺們娘們兒，您受累走個面兒，把這第一波Star帶起來，給我一些反饋
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
