电商带货视频切片工作流

从长视频（直播/竞品视频）中自动识别高价值带货片段，精剪为挂车切片。

适用场景

• 竞品视频话术分析 + 切片提取
• 直播回放高光时刻挖掘
• 视频挂车素材批量制作

前置要求

• whisper.cpp 已编译 Metal 支持（Mac Apple Silicon）
• ffmpeg-full（支持 libass subtitles 滤镜）
• 模型：ggml-small.bin（中文识别准确 + 速度快）

Pipeline

Step 1: 提取音频

ffmpeg -i INPUT.mp4 -vn -c:a pcm_s16le audio.wav

Step 2: Whisper 转写（Metal GPU，8x 实时）

cd ~/whisper.cpp
./build/bin/whisper-cli \
  -m models/ggml-small.bin \
  -f audio.wav \
  -l zh \
  --output-txt \
  --output-file transcript

速度：small 模型 Metal 加速 ~8x 实时（base 模型仅 0.8x 且中文差）

Step 3: 定位带货节点

# 找"一号链接"、"必买"、"鲜货"、"限量"等关键词
grep -n "一号链接\|必买\|鲜货\|限量\|划算" transcript.txt

# 计算行号 → 视频时间（每行 ≈ 视频秒数 / 总行数）
python3 -c "
video_sec = 13112  # 视频总秒数
lines = 8480       # transcript 总行数
per_line = video_sec / lines  # ≈ 1.54秒/行
"

Step 4: 精剪片段（ffmpeg）

ffmpeg -y -i INPUT.mp4 \
  -ss 1630 -t 25 \
  -c:v libx264 -crf 20 -preset fast \
  -c:a aac -b:a 128k \
  clip.mp4

Step 5: 生成 SRT 字幕文件

# 根据行号范围 + 每行秒数生成 SRT
def lines_to_srt(transcript_path, start_line, end_line, per_line_sec=1.54):
    # 生成带时间戳的 SRT 文件

Step 6: 烧字幕（ffmpeg-full + libass）

/opt/homebrew/opt/ffmpeg-full/bin/ffmpeg -y \
  -ss START -t DURATION \
  -i INPUT.mp4 \
  -vf "subtitles=SRT_PATH:force_style='FontSize=28,Bold=1,OutlineColour=&H00000000,Outline=2'" \
  -c:v libx264 -crf 20 -preset fast \
  -c:a aac -b:a 128k \
  OUTPUT.mp4

关键：必须用 ffmpeg-full（Homebrew），标准 ffmpeg 缺 libass 滤镜。

关键经验

输出规格

• 分辨率：1088x1920（竖屏抖音/视频号）
• 时长：20-30秒（挂车最佳）
• 编码：H264 + AAC
• 字幕：内嵌 SRT burn-in