前言¶
做短视频或口播类内容时，常见做法是人工逐条看样片、记钩子与段落节奏，再凭感觉仿写。这个过程费时，且很难把「结构」和「语言指纹」说清楚。DeepSeek Harness（DSH）把能力做成插件后，可以在对话里指定本地视频目录，让模型先拿到可核对的多模态材料，再按固定流程拆解并出稿。
下面介绍社区插件 dsh-video-distill（视频蒸馏）：读目录里的视频，完成口播转写、关键帧、镜头切点与元数据抽取，再拆成可复用模板并生成多条差异化同款文案。插件由 yiz-dev 维护，在 SkillHub 分类为工作流；当前 GitHub 星标为 0，许可证 MIT，package 版本 0.1.0。
这是什么¶
dsh-video-distill 是 DSH 插件，定位可以概括为：
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。
它不替代你的选题判断，而是把「一条视频里模型该看什么」拆成四叠材料，避免模型对着空转写硬编文案。转写或抽帧失败时，插件会明确报告「口播没拿到」并给出修法，而不是返回空文本。
核心功能¶
四叠材料¶
每条视频会被整理成下表中的材料，供 DSH 模型理解：
| 材料 | 来源 | 用途 |
|---|---|---|
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、画面情绪 |
| 镜头切点时间表 | scene 检测 | 判断快剪还是长镜头 |
| 元数据 | ffprobe | 时长、横竖屏、帧率、码率、是否有人声 |
蒸馏与成稿¶
按插件自带手册 prompts/distill.md 做十项拆解，抽出一个可复用模板，再生成 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）。
暴露的工具与产出目录¶
对话中无需记工具名，模型会调用例如 video_scan、video_distill、video_guide、video_save、video_config 等能力。运行数据落在 $DSH_HOME/video-distill/，插件包本身只读，升级重装不丢配置与缓存：
$DSH_HOME/video-distill/
├── config.json
├── secret.json
├── work/<视频名>-<指纹>/ # transcript、frames、sheet.jpg、bundle.json 等
├── out/<日期>/<标题>.md # 拆解与文案成稿
└── logs/
安装与启用¶
通过 DSH 设置添加（README 原文）¶
在 DSH「设置 → 插件 → 添加」中粘贴下列来源，然后重启 DSH（bundle 层需重启才组装）：
github:Mrliu12345/dsh-video-distill
连不上 GitHub 时的替代装法、装完需补的依赖，见仓库内 INSTALL.md。
本地 link 安装（开发或改代码即生效）¶
已有仓库目录时，可用 CLI 装进当前 profile：
# <本目录> = 仓库绝对路径
dsh plugin --profile desktop add link:<本目录>
装完后同样必须重启 DSH。
无 dsh CLI 时的手动方式¶
New-Item -ItemType Junction `
-Path "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-video-distill" `
-Target "<本目录的绝对路径>"
并在 profile 的 cordis.patch.yml 末尾追加：
- id: video-distill
name: dsh-video-distill
装完自检¶
不依赖 DSH 时可运行：
node tools/selftest.mjs
node tools/e2e.mjs <一个放视频的目录>
selftest.mjs 为 187 项离线检查；e2e.mjs 会真实调用 7 个工具跑一遍。
依赖与环境¶
| 依赖 | 必须 | 说明 |
|---|---|---|
| ffmpeg + ffprobe | 是 | 抽音轨、抽帧、切点检测；可用 winget install Gyan.FFmpeg，或配置 ffmpegPath |
| 转写 | 是（否则只能看画面） | 四条路径见下，backend=auto 按顺序尝试 |
| Node | ≥ 22 | DSH 要求 |
| Python | ≥ 3.9 | 仅本地 faster-whisper 需要；插件自建 venv |
转写四条路：
- sidecar：视频旁同名
.srt/.vtt/.ass/.json - embedded：容器内嵌字幕，ffmpeg 抽取
- local：本地 faster-whisper；对话中说「装一下本地转写」，或
node tools/cli.mjs asr-install --wait；默认small模型 - api：兼容 OpenAI
/v1/audio/transcriptions的服务；Key 存$DSH_HOME/video-distill/secret.json或环境变量DSH_ASR_KEY
引擎要求：dsh ≥ 0.1.7-rc.1（见 package.json）。
典型用法¶
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
命令行（不开 DSH）¶
node tools/cli.mjs status --verbose
node tools/cli.mjs scan D:\videos\样例
node tools/cli.mjs distill D:\videos\a.mp4
node tools/cli.mjs guide
node tools/cli.mjs asr-install --wait
常用配置（可通过 video_config 或改 config.json）¶
| 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 |
本地模型规模 |
frames |
6 |
关键帧数量（1–16） |
sceneDetect |
true |
是否检测镜头切点 |
sceneThreshold |
0.3 |
切点阈值 |
maxVideos |
20 |
单次扫描上限 |
minSec / maxSec |
3 / 1800 |
时长过滤 |
改 config.json 后生效，无需重启 DSH。
适用场景与注意¶
适合：本地有一批口播或短视频样片，需要快速摸清结构、钩子与节奏，并在同一骨架下批量试写文案的创作者或智能体工作流搭建者。
注意：
- 插件以当前 DSH 进程权限访问本地路径与调用 ffmpeg、转写服务；安装前应自行查看源码与 MIT 许可证，确认路径与 Key 的存放方式可接受。
- 硬字幕（烧在画面里）不是字幕流，无法当口播文本抽出，需依赖关键帧与模型读图。
- 切点数为 0 但明显有换镜时，可将
sceneThreshold调到0.2。 - 「口播没拿到」时运行
node tools/cli.mjs status，检查 ffmpeg 与local.ok/api.ok。 - SkillHub 社区目录与 DeepSeek / 幻方无官方从属关系；DSH 生态是「一切皆插件」，本插件是其中一条工作流扩展。
结尾¶
dsh-video-distill 把样片分析从「凭感觉看片」变成「转写 + 画面 + 节奏 + 元数据」的可复现流水线，再在模板约束下出多条差异化文案。目录页与源码：
- SkillHub：https://www.skillhub.cn/plugins/yiz-dev/dsh-video-distill
- GitHub：https://github.com/yiz-dev/dsh-video-distill
README 中另给出仓库 Mrliu12345/dsh-video-distill 作为 DSH 插件添加源；若与 fork 同步情况不一致，以你实际添加成功的来源为准。
