dsh-video-distill · 视频蒸馏（DSH 插件）

Name: Mrliu12345/dsh-video-distill
Author: Mrliu12345

你说：「D:\videos\口播样例 里有一些视频，看看人家怎么做的，给我写几条同款文案。」它会：读视频 → 转写口播 → 抽关键帧 → 数镜头切点 → 拆成结构模板 → 按模板写新文案。

想直接装？ github:Mrliu12345/dsh-video-distill —— 粘到 DSH「设置 → 插件 → 添加」，重启。详细步骤（含连不上 GitHub 时的替代装法、装完要补什么）：INSTALL.md。

它到底做了什么

一条视频被"拆开"成四叠材料，交给 DSH 的模型去理解：

材料	从哪来	模型拿它干什么
口播全文 + `[mm:ss]` 时间轴 + 语速	同名字幕 / 内嵌字幕 / 本地 faster-whisper / 兼容 OpenAI 的转写 API	拆钩子、拆结构、学语言指纹
关键帧 6 张 + 一张拼图	ffmpeg 均匀抽帧（避开片头片尾）	看构图/字幕样式/出镜方式/BGM 情绪
镜头切点时间表	`scene` 检测	判断节奏是"快剪"还是"长镜头"
元数据	ffprobe	时长、竖屏横屏、帧率、码率、有没有人声

然后按插件自带的手册（prompts/distill.md）做十项拆解 → 抽出一个可复用模板 → 生成 3 条故意不同的同款文案（同骨架 / 同钩子换骨架 / 同人群换切口）。

装

# 1. 装进当前 profile（link 方式：改代码立刻生效，不用重装）
#    <本目录> = 你 clone 下来的这个仓库的绝对路径
dsh plugin --profile desktop add link:<本目录>

# 2. ⚠️ 必须重启一次 DSH（bundle 层要重启才组装，不重启插件不生效）

重启后在对话里直接说人话就行，不用记工具名：

「D:\videos\样例 里有两个视频，先看看有什么，然后挑一条拆给我看，再写三条同款文案。」

没有 dsh CLI 时，两步手动装：

# 1. 让 profile 认得到插件（junction 或整个目录复制过去）
New-Item -ItemType Junction `
  -Path "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-video-distill" `
  -Target "<本目录的绝对路径>"

# 2. profile 的 cordis.patch.yml 末尾追加一条
# - id: video-distill
#   name: dsh-video-distill

装完想确认插件真的活了，跑这两条（不依赖 DSH）：

node tools/selftest.mjs     # 187 项：导出、工具 schema、依赖洁癖、假 ctx 真装载
node tools/e2e.mjs <一个放视频的目录>   # 真调 7 个工具跑一遍

依赖

依赖	必须?	说明
ffmpeg + ffprobe	✅ 必须	抽音轨/抽帧/数切点全靠它。`winget install Gyan.FFmpeg`，或在配置里写 `ffmpegPath`。插件会自动在 PATH 和几个常见安装位置找。
转写	✅ 必须（否则只能看画面）	四条路任选，见下。
Python ≥ 3.9	可选	只有"本地转写"需要；插件会自己建 venv，不动系统 Python。
Node ≥ 22	✅	DSH 本身的要求。

转写的四条路（`backend=auto` 按顺序试）

sidecar — 视频旁边有同名 .srt/.vtt/.ass/.json。最快最准（人写的），零依赖。
embedded — 字幕压在容器里（mkv/mp4 常见），ffmpeg 一条命令抽出来。
local — 本地 faster-whisper。一次装好，永久离线：在对话里说「装一下本地转写」，或 node tools/cli.mjs asr-install --wait。默认 small 模型（中文口播够用，约 500MB，装完整套 ~1.5GB）。
api — 任何兼容 OpenAI /v1/audio/transcriptions 的服务（硅基流动、阿里、本地 whisper-server 都行）：

// 在对话里说，或直接改 $DSH_HOME/video-distill/config.json
{ "apiBaseUrl": "https://api.siliconflow.cn/v1", "apiModel": "FunAudioLLM/SenseVoiceSmall" }

Key 存 $DSH_HOME/video-distill/secret.json（工具只写不读，返回值里是打码的），也可以用环境变量 DSH_ASR_KEY。

🔴 四条都不通时它会明说「口播没拿到」并给出修法，绝不给空文本 —— 那会让模型对着空气编文案。

用（对话示例）

你：D:\videos\口播样例 里有些视频，先看看有什么
DSH：video_scan → 2 条，一条 20 秒竖屏有声，一条 16 秒竖屏带字幕

你：把带字幕那条拆给我看
DSH：video_distill + video_guide → 十项拆解 + 可复用模板（读完还要 read_image 看拼图）

你：照这个模子写三条文案，存下来
DSH：video_save → out/2025-xx-xx/<标题>.md

产出的文件：

$DSH_HOME/video-distill/
├── config.json                 配置（改了就生效，不用重启）
├── secret.json                 转写接口的 Key（不进日志）
├── work/<视频名>-<指纹>/        每条视频的材料
│   ├── transcript.md           ⭐ 带时间轴的口播（模型主要读这个）
│   ├── transcript.json         逐段起止时间
│   ├── meta.json               ffprobe 元数据
│   ├── frames/frame-01.jpg…    关键帧
│   ├── sheet.jpg               关键帧拼图
│   └── bundle.json             索引（下次命中缓存）
├── out/<日期>/<标题>.md         ⭐ 拆解 / 文案成稿
└── logs/                       运行日志 + 安装日志

配置

改配置不用编辑文件，直接说就行（模型会调 video_config）：

项	默认	说明
`dir`	空	默认视频目录
`backend`	`auto`	`auto/sidecar/embedded/local/api/none`
`language`	`zh`	转写语言
`modelSize`	`small`	本地模型：`tiny/base/small/medium/large-v3`
`frames`	`6`	每条视频抽几张关键帧（1–16）
`sceneDetect`	`true`	数不数镜头切点
`sceneThreshold`	`0.3`	切点阈值（越大越保守）
`outDir`	空	成稿目录（默认 `$DSH_HOME/video-distill/out`）
`apiBaseUrl` / `apiModel`	空 / `whisper-1`	云端转写
`maxVideos`	`20`	一次扫目录的上限（防误扫整盘）
`minSec` / `maxSec`	`3` / `1800`	太短太长的不看
`ffmpegPath` / `ffprobePath` / `pythonPath`	空	自动找不到时手动指

命令行（不开 DSH 也能用，也是自测入口）

node tools/cli.mjs status --verbose           # 体检：ffmpeg / 转写 / 目录 / Python
node tools/cli.mjs scan D:\videos\样例        # 清单
node tools/cli.mjs distill D:\videos\a.mp4    # 拆一条（--force 重跑，--json 拿原始结果）
node tools/cli.mjs guide                      # 手册原文
node tools/cli.mjs asr-install --wait         # 装本地转写并等它装完
node tools/selftest.mjs                       # 离线自检（187 项，不联网）
node tools/e2e.mjs D:\videos\样例              # 端到端演练：真调 7 个工具跑一遍

常见问题

「口播没拿到」 → node tools/cli.mjs status 看两件事：ffmpeg 在不在、local.ok / api.ok。缺什么补什么。

切点数是 0，但明明有换镜 → 把 sceneThreshold 调到 0.2；纯色/慢推镜的 scene 分天然偏低。

第一次转写卡住很久 → 在下载模型（约 500MB）。asr-install 默认会预下；如果当时没下成，第一次转写会自己再下一次。看 logs/asr-install.log。

视频有字幕但抽不出来 → 硬字幕（烧在画面里的字）不是字幕流，抽不出来；那是"看画面"的事，模型靠关键帧读。

磁盘占用 → 每条视频的材料 1–3MB（帧 + 拼图）。清理：删 $DSH_HOME/video-distill/work/ 里对应目录即可。

设计上的三条自我约束

零第三方依赖：dependencies 是空的，连 @deepseek-ai/dsh-tools 都不用。桌面版 profile 经常一个 @deepseek-ai/* 都没有，裸 import 会让整条插件静默不激活（工具全不出现）。工具定义自己造（lib/toolkit.mjs：扁平参数规格 → JSON Schema）。
插件包只读：一切运行数据在 $DSH_HOME/video-distill/，升级/重装不丢。
不编内容：转写/抽帧失败都如实报告 + 给修法，且失败原因一条条摊开（不是一句套话）； video_distill 返回值里带 briefing 告诉模型"这次哪些材料可用、哪些不可用"。

许可

MIT

dsh-video-distill · 视频蒸馏（DSH 插件）

你说：「D:\videos\口播样例 里有一些视频，看看人家怎么做的，给我写几条同款文案。」它会：读视频 → 转写口播 → 抽关键帧 → 数镜头切点 → 拆成结构模板 → 按模板写新文案。

它到底做了什么

一条视频被"拆开"成四叠材料，交给 DSH 的模型去理解：

材料	从哪来	模型拿它干什么
口播全文 + `[mm:ss]` 时间轴 + 语速	同名字幕 / 内嵌字幕 / 本地 faster-whisper / 兼容 OpenAI 的转写 API	拆钩子、拆结构、学语言指纹
关键帧 6 张 + 一张拼图	ffmpeg 均匀抽帧（避开片头片尾）	看构图/字幕样式/出镜方式/BGM 情绪
镜头切点时间表	`scene` 检测	判断节奏是"快剪"还是"长镜头"
元数据	ffprobe	时长、竖屏横屏、帧率、码率、有没有人声

装

# 1. 装进当前 profile（link 方式：改代码立刻生效，不用重装）
#    <本目录> = 你 clone 下来的这个仓库的绝对路径
dsh plugin --profile desktop add link:<本目录>

# 2. ⚠️ 必须重启一次 DSH（bundle 层要重启才组装，不重启插件不生效）

重启后在对话里直接说人话就行，不用记工具名：

「D:\videos\样例 里有两个视频，先看看有什么，然后挑一条拆给我看，再写三条同款文案。」

没有 dsh CLI 时，两步手动装：

# 1. 让 profile 认得到插件（junction 或整个目录复制过去）
New-Item -ItemType Junction `
  -Path "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-video-distill" `
  -Target "<本目录的绝对路径>"

# 2. profile 的 cordis.patch.yml 末尾追加一条
# - id: video-distill
#   name: dsh-video-distill

装完想确认插件真的活了，跑这两条（不依赖 DSH）：

node tools/selftest.mjs     # 187 项：导出、工具 schema、依赖洁癖、假 ctx 真装载
node tools/e2e.mjs <一个放视频的目录>   # 真调 7 个工具跑一遍

依赖

依赖	必须?	说明
ffmpeg + ffprobe	✅ 必须	抽音轨/抽帧/数切点全靠它。`winget install Gyan.FFmpeg`，或在配置里写 `ffmpegPath`。插件会自动在 PATH 和几个常见安装位置找。
转写	✅ 必须（否则只能看画面）	四条路任选，见下。
Python ≥ 3.9	可选	只有"本地转写"需要；插件会自己建 venv，不动系统 Python。
Node ≥ 22	✅	DSH 本身的要求。

转写的四条路（`backend=auto` 按顺序试）

sidecar — 视频旁边有同名 .srt/.vtt/.ass/.json。最快最准（人写的），零依赖。
embedded — 字幕压在容器里（mkv/mp4 常见），ffmpeg 一条命令抽出来。
local — 本地 faster-whisper。一次装好，永久离线：在对话里说「装一下本地转写」，或 node tools/cli.mjs asr-install --wait。默认 small 模型（中文口播够用，约 500MB，装完整套 ~1.5GB）。
api — 任何兼容 OpenAI /v1/audio/transcriptions 的服务（硅基流动、阿里、本地 whisper-server 都行）：

// 在对话里说，或直接改 $DSH_HOME/video-distill/config.json
{ "apiBaseUrl": "https://api.siliconflow.cn/v1", "apiModel": "FunAudioLLM/SenseVoiceSmall" }

Key 存 $DSH_HOME/video-distill/secret.json（工具只写不读，返回值里是打码的），也可以用环境变量 DSH_ASR_KEY。

🔴 四条都不通时它会明说「口播没拿到」并给出修法，绝不给空文本 —— 那会让模型对着空气编文案。

用（对话示例）

你：D:\videos\口播样例 里有些视频，先看看有什么
DSH：video_scan → 2 条，一条 20 秒竖屏有声，一条 16 秒竖屏带字幕

你：把带字幕那条拆给我看
DSH：video_distill + video_guide → 十项拆解 + 可复用模板（读完还要 read_image 看拼图）

你：照这个模子写三条文案，存下来
DSH：video_save → out/2025-xx-xx/<标题>.md

产出的文件：

$DSH_HOME/video-distill/
├── config.json                 配置（改了就生效，不用重启）
├── secret.json                 转写接口的 Key（不进日志）
├── work/<视频名>-<指纹>/        每条视频的材料
│   ├── transcript.md           ⭐ 带时间轴的口播（模型主要读这个）
│   ├── transcript.json         逐段起止时间
│   ├── meta.json               ffprobe 元数据
│   ├── frames/frame-01.jpg…    关键帧
│   ├── sheet.jpg               关键帧拼图
│   └── bundle.json             索引（下次命中缓存）
├── out/<日期>/<标题>.md         ⭐ 拆解 / 文案成稿
└── logs/                       运行日志 + 安装日志

配置

改配置不用编辑文件，直接说就行（模型会调 video_config）：

项	默认	说明
`dir`	空	默认视频目录
`backend`	`auto`	`auto/sidecar/embedded/local/api/none`
`language`	`zh`	转写语言
`modelSize`	`small`	本地模型：`tiny/base/small/medium/large-v3`
`frames`	`6`	每条视频抽几张关键帧（1–16）
`sceneDetect`	`true`	数不数镜头切点
`sceneThreshold`	`0.3`	切点阈值（越大越保守）
`outDir`	空	成稿目录（默认 `$DSH_HOME/video-distill/out`）
`apiBaseUrl` / `apiModel`	空 / `whisper-1`	云端转写
`maxVideos`	`20`	一次扫目录的上限（防误扫整盘）
`minSec` / `maxSec`	`3` / `1800`	太短太长的不看
`ffmpegPath` / `ffprobePath` / `pythonPath`	空	自动找不到时手动指

命令行（不开 DSH 也能用，也是自测入口）

node tools/cli.mjs status --verbose           # 体检：ffmpeg / 转写 / 目录 / Python
node tools/cli.mjs scan D:\videos\样例        # 清单
node tools/cli.mjs distill D:\videos\a.mp4    # 拆一条（--force 重跑，--json 拿原始结果）
node tools/cli.mjs guide                      # 手册原文
node tools/cli.mjs asr-install --wait         # 装本地转写并等它装完
node tools/selftest.mjs                       # 离线自检（187 项，不联网）
node tools/e2e.mjs D:\videos\样例              # 端到端演练：真调 7 个工具跑一遍

常见问题

「口播没拿到」 → node tools/cli.mjs status 看两件事：ffmpeg 在不在、local.ok / api.ok。缺什么补什么。

切点数是 0，但明明有换镜 → 把 sceneThreshold 调到 0.2；纯色/慢推镜的 scene 分天然偏低。

第一次转写卡住很久 → 在下载模型（约 500MB）。asr-install 默认会预下；如果当时没下成，第一次转写会自己再下一次。看 logs/asr-install.log。

视频有字幕但抽不出来 → 硬字幕（烧在画面里的字）不是字幕流，抽不出来；那是"看画面"的事，模型靠关键帧读。

磁盘占用 → 每条视频的材料 1–3MB（帧 + 拼图）。清理：删 $DSH_HOME/video-distill/work/ 里对应目录即可。

设计上的三条自我约束

零第三方依赖：dependencies 是空的，连 @deepseek-ai/dsh-tools 都不用。桌面版 profile 经常一个 @deepseek-ai/* 都没有，裸 import 会让整条插件静默不激活（工具全不出现）。工具定义自己造（lib/toolkit.mjs：扁平参数规格 → JSON Schema）。
插件包只读：一切运行数据在 $DSH_HOME/video-distill/，升级/重装不丢。
不编内容：转写/抽帧失败都如实报告 + 给修法，且失败原因一条条摊开（不是一句套话）； video_distill 返回值里带 briefing 告诉模型"这次哪些材料可用、哪些不可用"。

许可

MIT

Mrliu12345/dsh-video-distill

dsh-video-distill · 视频蒸馏（DSH 插件）

它到底做了什么

装

依赖

转写的四条路（`backend=auto` 按顺序试）

用（对话示例）

配置

命令行（不开 DSH 也能用，也是自测入口）

常见问题

设计上的三条自我约束

许可

Community comments

Mrliu12345/dsh-video-distill

dsh-video-distill · 视频蒸馏（DSH 插件）

它到底做了什么

装

依赖

转写的四条路（`backend=auto` 按顺序试）

用（对话示例）

配置

命令行（不开 DSH 也能用，也是自测入口）

常见问题

设计上的三条自我约束

许可

Community comments

Mrliu12345/dsh-video-distill

dsh-video-distill · 视频蒸馏（DSH 插件）

它到底做了什么

装

依赖

转写的四条路（backend=auto 按顺序试）

用（对话示例）

配置

命令行（不开 DSH 也能用，也是自测入口）

常见问题

设计上的三条自我约束

许可

Community comments

Mrliu12345/dsh-video-distill

dsh-video-distill · 视频蒸馏（DSH 插件）

它到底做了什么

装

依赖

转写的四条路（backend=auto 按顺序试）

用（对话示例）

配置

命令行（不开 DSH 也能用，也是自测入口）

常见问题

设计上的三条自我约束

许可

Community comments

转写的四条路（`backend=auto` 按顺序试）

转写的四条路（`backend=auto` 按顺序试）