【免费下载链接】video-production-buddyVideo Production Buddy - AI Video Production Studio项目地址https://gitcode.com/gh_mirrors/vi/video-production-buddy点击查看免费下载Video Production Buddy织影是一款面向新手和普通用户的开源 AI 视频制作系统它的参考视频分析功能可以把任意一条爆款视频——YouTube Shorts、TikTok、B 站、抖音链接或本地文件——拆解成结构化的分析简报VideoAnalysisBrief再进一步生成你专属的 AI 视频生产计划保留什么节奏、换什么主题、需要哪些工具和预算全部在动手生成前确认清楚告别一句提示词碰运气。为什么参考视频分析比从零写提示词更快做过短视频的人都知道最难的往往不是怎么生成而是该做成什么样。对着空白提示词栏你要自己想节奏、想结构、想开头钩子而如果你手上有一条感觉不错的参考视频直接分析它思路会清晰得多。Video Production Buddy 把这件事做成了一条标准流程传统做法参考视频分析流程凭感觉复述参考视频的优点自动提取字幕、场景、关键帧和节奏数据不确定参考片用的是 AI 视频还是静图动画逐场景标注运动类型直接决定工具路线生成到一半发现风格不对先出差异化概念 成本预估 样片再全量生产核心思想是pipeline-to-video流程到视频不是一句话直接生成而是分阶段推进——需求确认、研究、方案、脚本、分镜、素材、合成、校验。参考视频分析正是这条流水线的起点。参考视频分析五步拆解从 URL 到生产简报整个分析由 VideoAnalyzer 工具 编排全程本地运行、零 API key底层依赖 yt-dlp、FFmpeg、PySceneDetect 和 faster-whisper。第一步获取视频并提取字幕你可以粘贴一个平台链接也可以指向本地文件。分析器会自动识别平台——YouTube、Shorts、Instagram、TikTok以及国内的 B 站、抖音、快手都在支持范围内并把视频下载到项目的reference_assets目录默认 720p 即可满足分析需求。字幕获取采用两条腿走路YouTube 系优先直接抓取字幕轨道秒级完成自动按可用语言排序匹配其他来源或抓取失败时自动回退到本地 faster-whisper 语音转写并自动检测语言中文视频无需手动指定。拿到带时间戳的字幕段后分析简报里就有了narration_transcript——这是后续理解这条视频在讲什么、怎么讲的基础。第二步自动场景切分与节奏画像有了字幕还不够还要知道画面怎么切。分析器调用 PySceneDetect 做内容级场景检测最小场景长度 0.5 秒然后自动计算一份节奏画像平均场景时长、最短/最长场景时长每分钟剪辑数cuts per minute节奏风格分类慢节奏沉思型、稳定科普型、动态社交型、快切型举个例子一条 60 秒短视频如果平均 1.8 秒一切会被标为dynamic_social而平均 8 秒一切的品牌片则是steady_educational。这些数字直接决定了你复刻时应该快剪还是稳剪。第三步关键帧提取与视觉解读关键帧不是随机抽的——分析器会基于场景边界计算采样点每个场景的首帧 超过 3 秒场景的中点帧用 FFmpeg 抽帧后保存到assets/keyframes目录供视觉模型逐帧解读画面主体、文字、构图与配色跨帧的风格一致性与转场方式主色板提取、字体风格识别品类判断与制作质量评估这一步的分工很明确工具负责提供结构化数据视觉模型负责提供理解。最终简报里的style_profile色彩、字体、转场、音乐风格等字段就是在这里被填充完整的。第四步运动分类——判断参考片是AI 视频还是静图动画这是最容易踩坑、也最关键的一步。很多爆款看起来都在动但有的其实是静图加 Ken Burns 推拉镜头成本低、可控性强有的是真正的 AI 生成动态镜头成本高、效果上限高。Video Production Buddy 用稠密光流Farneback optical flow对每个场景采样 2~3 对帧计算光流幅度与方差把每个场景标为三类motion_type特征对应的生产路线motion_clip画面内物体独立运动光流异质性强视频生成工具Kling、MiniMax、Veo 等animated_still均匀的整体平移/缩放光流图像生成 Remotion/FFmpeg 推拉合成static_image几乎零光流静态卡片、图文类场景分析流程明确要求永远不要猜参考片用的是图片还是视频读motion_type字段。如果多数场景是animated_still走生图 动效合成就够多数是motion_clip才需要配置视频生成 provider——这一步判断错了整个方案和预算都会跑偏。第五步输出 VideoAnalysisBrief所有结果汇总成一份 JSON 简报 video_analysis_brief.schema.json主要包含四大块source平台、时长、分辨率、播放量/点赞数等元数据content_analysis内容摘要、主题、目标受众、开头钩子手法hook_techniquestructure_analysis逐场景的时间区间、视觉类型talking_head / b_roll / 动画 / 图表 / 产品镜头等、能量等级以及上面说的节奏画像style_profile replication_guidance风格档案外加复刻建议——建议走哪条流水线pipeline、复杂度评估simple / moderate / complex、是否需要动态画面简报里还有一个诚实的_analysis_meta字段记录哪些步骤成功、哪些失败分析质量透明可查。从看懂视频到做出自己的版本五维结构化分析拿到结构化数据后video-reference-analyst 元技能 会引导 AI 助手完成两件事给你一份人话版的解读再做能力审计与创意提案。解读必须按 CMU/Harvard CHAI 研究的五方面框架展开这是下游方案、脚本、分镜阶段直接消费的规范格式Subject主体类型、数量、属性以及主体在镜头间如何变化Subject Motion主体运动按时间顺序的动作、交互方式Scene场景叠加层文字/图形单独列出、视角、场地、时段Spatial Framing空间构图景别、主体位置、纵深及其变化Camera摄影机速度、镜头、机位高度、角度、焦段、稳定性、运动方式任何不适用的维度都要明确标 N/A——沉默的省略是分析最常见的问题。随后进入两个决定生产成败的环节 能力审计把参考片的需求和你当前环境的工具逐一对照——视频生成配了吗TTS 有哪些可用合成引擎Remotion / HyperFrames / FFmpeg状态如何有缺口就直说并给出三条出路补 key、换路线、或用 stock 素材替代。 差异化提案2~3 个变体明确规定绝不提出碳拷贝——参考是灵感不是模板。每个变体要写清保留参考的什么、改变了什么并附成本拆解表生图、生视频、配音、音乐、总额由你拍板而不是替你做主。样片先行 爆款批量分析两条进阶路径样片先行先花小钱验证方向选定变体后流程不会直接全量生产而是先做一个 10~15 秒的样片开头钩子 一个中间场景包含真实配音、真实画面、音乐垫底和字幕风格预览。你对着样片调声音、节奏、配色满意了再进入完整流水线——样片成本只是全片的零头却能提前抓住风格偏差。批量分析爆款广告让数据说话如果你做的是广告类项目ad-video 流水线的 intelligence-director 还支持批量分析 3~5 条同类爆款广告hit_ad_pacing.py 对多条爆款的实测剪辑节奏求平均样本达到 2 条及以上时剪辑节奏建议可以从模式推断升级为研究实证级research-grounded置信度并映射出快速/中等/慢/定格四档剪辑密度hit_ad_classification.py 用确定性规则从分析简报中识别叙事弧线问题-解决、渴望-满足、对比、旅程、社会证明、演示-揭示和钩子机制提问、陈述、视觉对比、数据钩子等全程无需额外 LLM 调用。也就是说不是把单条爆款的剪辑数当行业标准而是跨多条视频聚合出可信的品类节奏基线——这正是把爆款变成生产计划的核心逻辑。相关文件资料索引模块说明tools/analysis/video_analyzer.py参考视频分析编排器字幕、场景、关键帧、运动分类tools/analysis/video_downloader.py多平台视频下载含 B 站/抖音/快手识别skills/meta/video-reference-analyst.md参考视频分析标准协议五维解读、能力审计、差异化提案schemas/artifacts/video_analysis_brief.schema.json分析简报的结构契约lib/hit_ad_pacing.py / lib/hit_ad_classification.py爆款广告节奏聚合与叙事模式分类pipeline_defs/ad-video.yaml广告视频流水线定义含爆款分析阶段常见问题Q分析参考视频需要配置 API key 吗不需要。下载、字幕、场景检测、关键帧、运动分类全部本地完成零 API key。只有在后续真正生成图像/视频/配音时才需要对应 provider 的 key。Q本地视频文件能用吗可以。把source指向本地文件路径即可平台识别会自动标为local_file分析流程完全一致。Q分析和帮我剪辑这条视频是一回事吗不是。参考视频分析是做一条类似的REFERENCE 模式如果你要剪辑现有素材应走 clip-factory、talking-head 等素材驱动流水线。Q如果某条爆款视频下载失败怎么办流程会如实记录失败原因保留文本推断字段不会伪造实测数据——分析的可信度优先于完整性。小结Video Production Buddy 的参考视频分析本质上是把这条视频为什么火从主观感受变成了可测量、可复用、可验证的结构化数据字幕给了内容骨架场景切分给了节奏曲线运动分类定了工具路线五维解读锁定了镜头语言。接下来系统再替你完成能力审计、成本透明化提案和样片验证——等你确认无误才进入真正的生产流水线。下次看到喜欢的视频别只点赞收藏丢给它分析一下也许这就是你下一条视频的生产计划起点。赞分享【免费下载链接】video-production-buddyVideo Production Buddy - AI Video Production Studio项目地址https://gitcode.com/gh_mirrors/vi/video-production-buddy点击查看免费下载相关推荐Metro UI CSS Task Bar 组件实战用 data-roletask-bar 构建 Windows 风格任务栏Metro UI CSS Task Bar 组件实战用 data roletask bar 构建 Windows 风格任务栏 导读 Task Bar任如何零基础搭建AI视频生产线Video Production Buddy零密钥快速上手完整教程如何零基础搭建AI视频生产线Video Production Buddy零密钥快速上手完整教程 如果你只想花十分钟就能在自己电脑上搭出一条 零密钥的 AIPython视频自动化终极指南智能生成爆款短视频Python视频自动化终极指南智能生成爆款短视频 GenVIdeo是一款基于Python的视频自动化工具能够帮助用户快速高效地生成抖音、快手、火山、西瓜等平音视频视频数据可视化网页爬虫语音上一篇MCP Inspector 0.9.0可视化工具调用监控与交互体验全面升级下一篇一首歌变 1080×1080 频谱视频Remotion 音乐可视化模板实操指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考