说实话，Zui近我玩儿AI连麦切片玩得不亦乐乎。

哈哈，听说你也想整点带截图的文章？

那咱们今天就聊聊怎么一步步把连麦视频变成有图有文的好kan切片。

整体思路概览

先把视频弄下来。

再抽音频，用语音转文字服务搞定文本。

接着分离角色，别让两个人的对白混在一起。

然后挑几帧关键画面截图上传，拿到外链。

Zui后把文字和图片拼在一起，生成Markdown或者HTML稿子。

第一步：获取原始视频

输入Ke以是YouTube链接，也Ke以是本地文件路径。

我常用yt-dlp来下载，省事儿。

yt-dlp -f best -o "./videos/%s.%s" "https://www.youtube.com/watch?v=xxxx"

Docker 环境准备

为了统一环境，我把Node、FFmpeg、yt-dlp全装进一个Debian容器。

FROM node:18-bookworm
ENV http_proxy=${HTTP_PROXY}
ENV https_proxy=${HTTPS_PROXY}
RUN apt-get update && \
    apt-get install -y ffmpeg wget ca-certificates && \
    rm -rf /var/lib/apt/lists/*
# 安装 yt-dlp
RUN wget https://github.com/yt-dlp/yt-dlp/releases/latest/download/yt-dlp -O /usr/local/bin/yt-dlp \
    && chmod +x /usr/local/bin/yt-dlp
# 这里Ke以自行添加七牛 Qshell 或者其他云存储 CLI
# ...
USER node
ENTRYPOINT 

第二步：音频抽取与文字转写

抽音频这一步超快，用ffmpeg -i video.mp4 -vn -acodec copy audio.aac就行了。

转写我选Deepgram，支持多说话人分离，还Neng免费白嫖额度。

curl -X POST "https://api.deepgram.com/v1/listen" \
     -H "Authorization: Token $DEEPGRAM_KEY" \
     -H "Content-Type: audio/mp3" \
     --data-binary @audio.mp3> transcript.json

角色分离小技巧

Deepgram会返回每段话的speaker标签。

我们只要把同一个speaker的句子拼起来就Neng得到两个人各自的发言稿。

第三步：智Neng截图

连麦视频里大多数时候人物dou在镜头前，所以随便抓几秒douNeng得到可用图。

我一般取视频总时长的10%和30%处截图，加上时间戳防冲突。

#!/bin/sh
VIDEO_PATH="$1"
DURATION=$
T1=$
T2=$
NOW=$
OUT_DIR="${VIDEO_PATH}_shots"
mkdir -p "$OUT_DIR"
ffmpeg -ss "$T1" -i "$VIDEO_PATH" -frames:v 1 -q:v 2 "$OUT_DIR/${NOW}_1.jpg"
ffmpeg -ss "$T2" -i "$VIDEO_PATH" -frames:v 1 -q:v 2 "$OUT_DIR/${NOW}_2.jpg"
echo "$OUT_DIR"

为什么要上传到云端？

本地路径只Neng自己kan，想要在文章里直接引用，就得有公网URL。

我用了七牛云的qshell命令行工具，一键上传整个文件夹：

qshell fput mybucket pic/n8n/$FOLDER/$FILE $LOCAL_FILE --overwrite

常见疑问：为什么百度不收录？

问：我把生成好的连麦切片放到博客上，却发现百度搜索根本找不到它们，这到底是怎么回事？

答：百度对内容质量和原创度要求比较高。 Ru果你的页面缺少有效的