前言¶

做硬件评测、拆机或竞品研究时，第一手材料常常是一段视频：抖音上的拆机讲解、视频号里的新品实测、本地录的操作过程。手工处理很慢——要反复拖进度条截图、听语音、找元件型号、估成本，最后写报告时素材散落各处。下面介绍的 Skill 就是把这条链路串起来：从视频输入到图文并茂的中文 Word/PDF 报告。

它属于通用 SKILL.md 格式的社区 Skill，因此接入方式取决于你用的是哪套 Agent 环境。

这是什么¶

「看懂视频」由 SkillHub 平台用户 user_0f00a14f 发布维护，坐标 @user_0f00a14f/understand-videos，分类 design-media，来源 community，当前版本 1.10.0。定位一句话：把本地视频、文件夹、抖音、视频号和网页链接里的视频，分析成可直接使用的知识点与报告。

解决的问题是三件事：一是视频信息密度高但不可检索，二是涉及硬件时要能落到元器件、成本和选型判断，三是输出物要能交付（逻辑清晰、图文并茂、无乱码、可验证）。

核心功能¶

以下能力来自官方 Skill 简介，按链路分组。

输入与来源覆盖¶

支持五种输入来源：本地视频文件、文件夹批量、抖音链接、视频号链接、网页链接。网页链接意味着它要先做一次页面抓取再定位其中的视频，这是整条链路最容易出问题的一环，下面「注意」里再说。

语音与字幕链路¶

简介中明确提到语音识别、语音转文字、语言识别、字幕与 OCR。降级链写得很细：Whisper 依赖不可用时，优先用 whisper.cpp tiny + ggml-tiny.bin 做离线粗转写；本机有完整版就携带模型，平台轻量包按需下载补齐；再退一步用 FunASR 做中文高质量备用识别；再不行用轻量离线的 Vosk 小模型；最后是内置声学备用算法。

这条链的实际意义是：在没有 GPU、没有外网或没有 Python 依赖的环境里，仍能拿到一段粗糙的转写，而不是直接失败。代价是精度逐级下降，粗转写结果不能直接引用到报告里。

画面理解¶

包括关键帧抽取、局部裁剪图、标注图（截图文字标注、小图叠加）、场景变化检测，以及一条证据时间线。时间线的作用是把语音讲述、字幕/OCR、关键画面和外部佐证按时间对齐，供后续交叉验证。

OpenCut 辅助分镜组织¶

可借助 OpenCut 的时间线、镜头组织和剪辑思路，规划关键帧顺序、剪辑点、局部图与报告配图节奏。也就是说它在出图之前先排了一版「哪些画面放在报告的哪一段」。

元器件级分析¶

遇到元器件、模块、传感器、电机、电池、电源、连接器或电路板时，按固定维度展开：视频中给出的详细介绍、使用原因、功用、优缺点、选型边界、失效风险、替代方案。可查阅网上资料后升华为可复用判断。

成本粗估与产品赋能¶

能联网查询关键元器件、模组、结构件和材料成本，在批量假设下粗估产品、电路、结构等单套材料成本范围。同时支持把视频知识迁移到可赋能的产品、场景和方案，并说明落地注意事项。

输出与「四真」准则¶

最终输出不是识别过程的罗列，也不是互证清单，而是直接提炼可用知识点。Skill 把「四真」作为真机研究、AI 提问、报告撰写和知识入库的第一准则：紧扣真机、帮助发现真实问题、用于解决实际问题、经 AI 深挖整理后能让人信服。

表述要求是逐条揉碎讲透、重点独立成节、图文并茂、最后升华，并如实指出不足、错误和待验证点。额外能力包括截图文字标注、小图叠加、局部裁剪、问题定位、内容拆解、短视频评分、直接改稿。

安装与启用¶

官方资料未给出安装命令，只提供了页面入口与坐标。因此这一步如实写清已知信息，不推测命令。

SkillHub 官方页面：

https://api.skillhub.cn/user_0f00a14f/understand-videos
SkillHub 技能页：
https://www.skillhub.cn/skills/user_0f00a14f/understand-videos
坐标：@user_0f00a14f/understand-videos
版本：1.10.0
分类：design-media
来源：community
标签：requires_api_key=false

requires_api_key=false 表示按页面标注不需要 API Key。启用方式应在技能页上查看当前平台的接入说明；SkillHub 页面提到支持查询平台发布版本并按需自动更新，具体更新命令未在资料中给出。

用 Codex CLI、Cursor 或 Claude Code 时，接入路径以各平台对 SKILL.md 的支持方式为准，资料中没有区分说明，此处不写。

典型用法¶

资料中没有提供可直接复现的命令行示例，下面给出基于官方能力的最小使用流程，参数需按你实际输入替换。

1、准备输入。本地视频文件路径、文件夹路径，或抖音/视频号/网页链接。
2、先跑一遍看链路是否可用。重点看 Whisper 是否命中；未命中时会依次回退到 whisper.cpp tiny、FunASR、Vosk、内置声学算法，留意日志里最终命中的是哪一级。
3、粗转写结果仅用于定位，不直接进报告。需要精确转写时，检查本机是否有完整 Whisper 模型或平台轻量包是否补齐。
4、抽取关键帧与局部裁剪图，按证据时间线对齐语音、字幕/OCR 和外部佐证。
5、识别到元器件时，按「详细介绍、使用原因、功用、优缺点、选型边界、失效风险、替代方案」展开，并联网核对型号与成本。
6、按批量假设粗估单套材料成本范围，写出区间而不是单点值。
7、按「四真」准则组织知识点，输出 Word/PDF。

适用场景与注意¶

适合做拆机解读、硬件实测分析、竞品视频研究、需要落到选型和成本的评测内容。

限制与坑，按资料如实列出：

• 依赖跨电脑下载后需主动检查并配置依赖。简介里提到会提示缺少依赖的补救路径和效果损失，也就是说缺依赖时不是静默降级，但具体缺了哪一项会导致哪部分能力失效，需要按实际日志判断。
• 降级链层级多，粗转写（whisper.cpp tiny 级别）的准确率低，直接引用会产生错误结论。
• 网页链接输入依赖页面内视频可被抓到，反爬或动态加载的页面会失败。
• 成本粗估建立在批量假设上，是范围值，不能当作报价。
• 平台页面显示安装数为 0，而检索线索里提到下载 1402 次、评分 99456，与页面的评分 100000、下载 1447 不一致。以官方页面为准，但这也说明真实采用情况尚无第三方验证，建议先在小样本视频上试跑再决定是否用于交付。

结尾¶

「看懂视频」把视频分析的常见环节——语音、字幕、关键帧、标注、场景切分、元器件解读、成本粗估和报告写作——放在同一个流程里，并用降级链保证在依赖缺失时仍有输出。适合需要从视频中提炼可交付知识的开发者和评测内容作者。

官方地址：https://api.skillhub.cn/user_0f00a14f/understand-videos