Video_cutter

视频内容分析与处理系统

这是一个用于视频内容分析和处理的系统，主要用于服装展示视频的智能剪辑和内容分析。

功能特点

• 视频帧提取与分析
• 语音识别与内容分析
• 智能视频剪辑
• 多场景视频拼接
• 音频处理与配乐

系统要求

• Python 3.8+
• FFmpeg
• CUDA (可选，用于GPU加速)

安装步骤

1. 克隆项目到本地：

git clone [项目地址]
cd [项目目录]

1. 安装依赖：

pip install -r requirement.txt

1. 安装FFmpeg：
2. Windows: 下载并添加到系统环境变量
3. Linux: sudo apt-get install ffmpeg
4. Mac: brew install ffmpeg

项目结构

.
├── config/          # 配置文件目录
├── data/           # 数据目录
│   ├── raw_video/  # 原始视频
│   └── audio_json/ # 音频分析结果
├── modules/        # 核心功能模块
├── utils/          # 工具函数
├── output/         # 输出目录
└── logs/           # 日志文件

使用说明

1. 准备视频文件：

   • 将待处理的视频文件放入 data/raw_video/ 目录

2. 运行主程序：

   python main.py
   

   1. 处理流程：
   2. 视频帧提取与分析
   3. 同款服装片段识别
   4. 口播内容分析
   5. 走秀片段识别
   6. 最终视频合成

   性能指标

   视频解码性能

   • FFmpeg: 428秒，31帧，0.072fps
   • OpenCV: 410秒，30帧，0.073fps
   • PyAV: 10N*FFMPEG秒，30帧，0.073/10N fps
   • MoviePy: 70秒，32帧（并行加速多线程-28秒）

   文本分析指标

   • 句级别分析：
   • 平均长度：1697.26
   • 最大长度：309620
   • 最小长度：80

   • 中位数：1400.0

   • 字级别分析：

   • 平均长度：175.31

   • 最大长度：8735

   • 最小长度：20

   • 中位数：180.0

   开发计划

   1. 同品片段智能识别
   2. 基于STT的内容筛选
   3. 走秀视频片段识别

   4. LLM辅助视频编排

   5. 性能优化

   6. 并行处理优化

   7. GPU加速支持

   8. 内存使用优化

   环境配置

   推荐使用conda环境：

   conda create -n copywriter python=3.8
   conda activate copywriter
   

注意事项

• 确保有足够的磁盘空间用于视频处理
• 建议使用GPU进行加速处理
• 处理大文件时注意内存使用

视频解码测速：

1、ffmpeg：428 sec；解码出31帧；解码速度：0.072fps 2、opencv：410 sec；解码出30帧；解码速度：0.073fps 3、pyav：10N*FFMPEG sec；解码出30帧；解码速度：0.073/10N fps 4、moviepy：70 sec；解码出32帧；(并行加速多线程-28 sec)

句级别分析：

len: 8238 mean: 1697.2568584607914 max: 309620 min: 80 众数： 240 中位数： 1400.0 方差： 13340283.518631646

字级别分析：

len: 70337 mean: 175.30670912890798 max: 8735 min: 20 众数： 240 中位数： 180.0 方差： 4195.700049248078

TDDO:

1、抽帧筛查是否讲解同一件衣服，进行同品片段剪切。

1、同品片段进行STT，基于STT内容筛选口播视频片段。（需完成字幕添加）
2、基于STT内容和抽帧理解筛选走秀视频片段（姿态检测？）
3、LLM编导完整视频。

env: copywriter

流程：

1、抽帧，帧理解，裁切同款衣服视频片段（抽帧-单帧理解-两帧对比-同款裁切） 2、语音理解，查找关键口播片段进行裁切（STT-主播语句筛选-语句打标-口播语句筛选-口播视频片段拼接） 3、助播片段定位，查找走秀片段进行裁切（助播片段裁切-抽帧-单帧理解-走秀片段定位）