Video to Word Report
将本地视频（PPT 录屏、会议录屏、培训视频等）转为结构化 Markdown 总结，再生成专业排版的 Word 汇报版（.docx）。
工作流总览
视频文件
→ 阶段 A 内容提取：ffprobe → 抽帧 + 抽音轨 → dHash 去重 → RapidOCR → faster-whisper 音轨验证
→ 阶段 B 撰写 Markdown 总结
→ 阶段 C Word 汇报版：tencent-docx 管线（beautify_only：doc-formatter → html-review → doc-converter）
→ 阶段 D 交付：present_files 打开 docx 预览
工作目录约定：在 <workspace>/.workbuddy/vidx_<主题>/ 下存放帧、音轨、OCR 文本、总结 md；
Word 管线产物放 <workspace>/output/req-<request_id>/stage2|stage3/。
阶段 A：视频内容提取
- 用
ffprobe获取时长/分辨率/音轨信息，据此定抽帧密度（PPT 录屏 1 fps 足够，快切内容用 2 fps）。 - 用
ffmpeg抽帧（jpg 序列）+ 抽音轨（16kHz 单声道 wav）。完整命令见references/extraction-pipeline.md§1。 - 对帧序列做 dHash 去重（保留每个"页面"的首帧），脚本见 reference §2。经验值：2.5 分钟 PPT 录屏 77 帧 → 去重后约 20 帧。
- 用 RapidOCR 对全部关键帧全量提取画面文字（无截图张数限制，OCR 走文字通道）。
- 用 faster-whisper 验证音轨是否含口播：
- 有口播：以 ASR 转写为主、OCR 为辅，两者合并成稿；
- 仅 BGM 无人声：总结声明"内容 100% 来自画面"，并附验证附录（全片平均能量、静音检测结果、ASR 语音片段数）。
- 音轨三点验证法与 HuggingFace 模型下载规避方案（hf-mirror curl 直下）见 reference §3。 - 长视频分批处理：按章节切片分别 OCR/ASR，再合并，避免单次输出超限。
阶段 B：Markdown 总结撰写
- 落盘为
<主题>-视频总结.md，建议结构：
概述（主题/口号/依据）→ 核心内容（按画面或主题分节）→ 关键数据（表格）→ 附录（提取方法与音轨验证结论）。 - 画面文字如实转录，关键数字（金额、分数、日期、人名）保持原样不推算；不确定处标注"画面未显示"。
阶段 C：Word 汇报版（tencent-docx 管线）
按 tencent-docx skill 的编排流程执行，入口类型 beautify_only（内容已存在，只做排版与转换）：
- Stage 2（doc-formatter）：路线
html-template；按 genre 查 design-token（商务汇报用business-report→business-modern主题：微软雅黑、主色 #1565C0、A4、页边距 2.5/2.0/2.5/2.5 cm）；按 doc-typeset 规则生成 HTML；跑 html-review 质量门禁。
- 门禁不通过时只做一次定向修正，修正后直接输出，不循环复检。 常见打回项：缺.executive-summary执行摘要区、裸 margin/padding（须用var(--sp-*)变量）、table 缺<thead>/<tbody>、h1 过多（仅封面 1 个 h1，正文章节 h2、小节 h3）。
- 超长 HTML 必须分段写入（单次 Write 长内容会被截断）：head+封面写主文件，正文分 2–3 个 chunk 文件，cat追加合并，再用 HTMLParser 校验标签配对（方法见 reference §5）。 - Stage 3（doc-converter）：读取插件
skills/html-to-docx/SKILL.md执行 HTML→DOCX 转换（A4 竖版，margin top 2.5 / bottom 2.0 / left 2.5 / right 2.5）。
- Windows 坑（必须看 reference §4）：内置setup-html-to-docx.sh是 POSIX 脚本，在 Windows/Git Bash 下会误判 venv 不存在而静默删除重建，且 uv 会把/c/Users/...解析成D:\c\...。绕过方案：手动用 uv + Windows 绝对路径重建 venv 到%USERPROFILE%\.venv-html-to-docx并装依赖；包html-for-docx的导入名是html4docx（不是 htmldocx）。
- 转换成功后立即present_files打开 docx 预览（硬约束，不得省略），随后更新 pipeline-state.yaml 声明[Stage 3 转换完成]。
阶段 D：交付
present_files传最终 .docx；同时复制一份中文友好文件名到output/（如XX活动-内容汇报.docx）。- 回复中简述文档结构（封面/目录/执行摘要/章节数），并保留"音轨验证结论"的说明（有口播/无口播直接影响内容完整性判断）。
Resources
references/extraction-pipeline.md：提取管线完整命令集、dHash 去重脚本、音轨三点验证法、html-to-docx Windows 环境重建指引、长 HTML 分段写入校验脚本。
