学页｜回放精华切片器
概述
学页｜回放精华切片器是一款面向 K12 教培机构运营与剪辑团队的课程资产增值技能。团队只需提供直播回放或录播课视频（及其字幕/转录文本，或人工标记的时间点），即可获得一套"切片位置准、内容成片段、文案带钩子"的精华切片方案，解决课程回放变现中的四大痛点：
- 回放吃灰——一场 90 分钟直播结束，长视频无人回看，优质内容沉没成本高
- 人工找点慢——剪辑师靠拖进度条找精华，1 小时回放要 3-4 小时人工定位
- 切片不成段——随手切的片段掐头去尾，知识点残缺、观众看不懂
- 发布无章法——切片直接扔平台，标题平铺直叙，完播率与转化率双低
本技能内置 5 种切片类型模型（概念讲解型/例题精讲型/易错避坑型/考点预警型/高能互动型）与 4 类渠道时长规范，支持"字幕转录"与"人工标记"双模式作业，让一场回放变成 15-30 条结构化、可批量发布、可挂课转化的精华短片矩阵。
触发场景
以下情况触发本技能：
- 直接关键词：回放切片、视频切片、精华片段、切片文案、直播回放、短视频运营、课程二创、知识点切片、切片运营
- 语境触发：用户描述回放变现需求（如"上周的直播回放想切一些短视频""这套录播课切点抖音素材"）
- 材料触发：用户上传字幕文件（.srt/.vtt）、转录文本（.docx/.txt/.md）、人工标记清单（.xlsx/.csv），要求定位切片
- 组合触发：用户已用 xueye-recorded-course-manager 归档课程结构，要求把某课时视频切片用于投放
不触发的场景：录播课章节结构规划（用 xueye-recorded-course-manager）、单课时教案课件制作（用 xueye-lesson-prep）、课堂互动题生成（用 xueye-quiz-generator）、从零拍摄短视频（视频制作场景）。
与其他学页技能的关系：
- xueye-recorded-course-manager（录播课章节化管理器）→ 课程层工具，定义"有哪些课时视频"；本技能（素材层工具）把某条视频切成"可传播的精华片段"
- xueye-lesson-prep（AI备课）→ 切片中发现的优质讲法可反哺教研，但属人工决策
- xueye-quiz-generator（课堂互动题目生成器）→ 高能互动型切片的"暂停提问"结构可复用其提问话术
交付物一览
| 交付物 | 格式 | 内容 |
|---|---|---|
| 切片总表 | .xlsx | 一行一切片：切片号、源视频、时间码（起止）、时长、切片类型、知识点、适用渠道、优先级、状态（待初剪/待精剪/已发布）、备注 |
| 发布文案包 | .docx | 每条切片一组文案：钩子标题（3 选 1）+ 视频简介 + 话题标签 + 挂课转化话术 + 发布建议 |
| 切片源文件 | clips.json | 机器可读的切片方案，供校验与二次加工 |
| 批量切片脚本 | .sh / .bat | 内嵌 ffmpeg 命令的批处理脚本，一键导出全部切片视频文件 |
工作流程
切片遵循五步标准化工作流。按顺序执行，每一步的输出作为下一步的输入。
Step 1: 需求采集与模式判别
先判别作业模式，再采集要素。如信息不完整，提问补充。
模式判别规则：
| 模式 | 判别特征 | 作业起点 |
|---|---|---|
| 转录模式（transcript） | 用户有字幕文件或可提供音频转录文本 | 从字幕/转录解析出发，自动识别精华点 |
| 标记模式（manual） | 无字幕，但有人工标记的时间点清单 | 从标记点出发，补全切片要素与文案 |
需采集的要素：
| 要素 | 必填 | 默认值 | 示例 |
|---|---|---|---|
| 源视频名/编号 | 是 | — | "L014 一次函数图象（画法三步曲）" |
| 视频时长 | 是 | — | 22 分钟 |
| 学段学科 | 是 | — | 初中·数学 |
| 模式判别依据 | 是 | — | 有 .srt 字幕 / 有人工标记清单 |
| 目标渠道 | 否 | 全渠道池 | 抖音/视频号/小红书/B站/站内复习 |
| 切片数量预期 | 否 | 按时长自动推算 | "这场切 20 条左右" |
| 转化目标 | 否 | 挂课引流 | 涨粉/引流私域/挂课/品牌曝光 |
| 发布节奏 | 否 | 每日 2 条 | "每天发 2 条，发 10 天" |
| 禁用内容 | 否 | — | 未成年学员出镜画面所在时间段 |
采集规则：
1. 最多提问 3 个问题，一轮问完，禁止多轮追问
2.只问缺失的必填项；用户已表达的信息不重复问
3. 转录模式下先解析字幕/转录文件（提取话题边界、密度、互动点），减少提问
4. 非必填项未提供时使用默认值，不提问
5. 信息齐全时直接进入 Step 2，无需确认
Step 2: 素材解析与精华点识别
对源视频内容做结构化解析，圈出候选精华点。
实现方式（转录模式）： 运行 scripts/transcript_parser.py 解析 .srt/.vtt/纯文本转录
实现方式（标记模式）： 读取人工标记清单（时间点 + 一句话说明），跳过自动识别，直接进入切片方案设计
精华点识别维度（转录模式）：
| 识别维度 | 语言信号 | 对应切片类型 |
|---|---|---|
| 概念首次完整讲解 | "什么是…""我们来看…""这一节核心是…" | 概念讲解型 |
| 例题完整演算 | "来看这道题""我们做一遍""跟着我算" | 例题精讲型 |
| 易错警示 | "注意""很多同学""这里最容易错""别掉坑" | 易错避坑型 |
| 考点播报 | "必考""中考/高考""这个点考过X次" | 考点预警型 |
| 高能互动 | "来弹幕告诉我""评论区扣1""答对了吗" | 高能互动型 |
| 金句/情绪点 | 密度突增、感叹句、总结升华 | 加分项，任意类型 |
| 广告/寒暄/事务 | "扫码""领资料""休息一下""下节课" | 标记为不可用区段 |
识别规则：
1. 每个候选点记录：出现时间、信号词、上下文窗口（前后各 30 秒）
2. 同一知识点多次出现时，取"讲解最完整"的一次，其余记为备选
3. 广告、寒暄、事务性内容标记为不可用区段，切片边界不得与其重叠
4. 标记模式下，人工标记点直接视为候选精华点，按标记说明归类
Step 3: 切片方案设计
将候选精华点转化为可执行的切片方案，写入 clips.json。
加载参考文档： references/clip-type-models.md — 切片类型模型库
切片七要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 切片编号 | C{三位全局序}（C001、C002…跨视频连续） | C014 |
| 时间码 | 起止时间 HH:MM:SS + 毫秒，边界落在语义完整句 | 00:07:32.500-00:08:41.200 |
| 时长 | 按渠道规范：抖音/视频号 15-60s / 小红书 30-90s / B站 1-3min / 站内复习 2-5min | 68.7s |
| 切片类型 | 5 种模型之一 | 易错避坑型 |
| 知识点 | 与源课时知识点对齐 1-2 个 | ["k与b的作用"] |
| 适用渠道 | 按类型×时长自动匹配 | ["抖音", "视频号"] |
| 优先级 | S/A/B 三级（S=首发主推，A=跟发，B=补量） | S |
边界优化规则：
1. 掐头：从"钩子句"（提问/悬念/冲突）或概念引入句起切，删掉铺垫寒暄
2. 去尾：止于结论句/答案揭晓句，删掉"好我们继续"类过渡语
2. 保护语义完整：一个切片必须"提出问题→给出答案"闭环，禁止拦腰截断推理过程
3. 超长拆条：超渠道上限的内容拆成"上/下"两条，下条开头 3 秒复述上文钩子
4. 禁用区段避让：与不可用区段重叠的边界必须回退到最近完整句边界
优先级判定：
- S 级（约占 20%）：钩子最强（冲突/悬念/高频考点）+ 画面稳定 + 时长合规
- A 级（约占 50%）：内容扎实，钩子中等
- B 级（约占 30%）：补量素材，可作合集/混剪原料
Step 4: 切片质量审查
对照规范逐项审查 clips.json 草稿，输出审查结论。
加载参考文档： references/clips-schema.md — clips.json 字段字典
审查清单：
1. 结构完整性：切片七要素齐全，编号全局唯一且连续
2. 时长合规：每条切片时长落在其适用渠道的规范区间内
3. 边界质量：无拦腰截断；与不可用区段零重叠
4. 类型覆盖：5 种类型中至少覆盖 3 种（素材本身类型单一时豁免，需说明）
5. 优先级配比：S:A:B ≈ 2:5:3，偏差过大时给出调整建议
6. 转化就绪：每条切片都有钩子标题候选与挂课话术占位
Step 5: 成果生成与交付
将切片方案转化为四份文件交付。
实现方式： 运行本技能脚本产出 .xlsx、文案包 .md、批处理脚本，再调用 tencent-docx 将 .md 排版为 .docx
文件生成顺序：
1. 先写 clips.json（机器可读源）
2. 运行 scripts/clips_validator.py clips.json 校验，错误清零（warning 逐条评估）后进入下一步
3. 运行 scripts/clips_export.py clips.json --source-video "视频文件.mp4" --outdir ./output 产出总表 .xlsx、文案包 .md、切片脚本 .bat（Windows）/ .sh（macOS/Linux，--shell sh 参数）
4. 调用 tencent-docx 将 .md 转为 .docx 发布文案包
5. 调用 present_files 统一交付
文件命名： {课程名}_{课时名}_切片总表.xlsx / _发布文案包.docx
交付后提示：
- 告知运营团队文件位置，可预览/下载
- 提示"clips.json 可作为后续混剪、合集制作的素材索引"
- 提示"批处理脚本需本机装有 ffmpeg 才能执行；执行前先用 S 级切片试切 1-2 条，确认边界无误再全量切"
- 提示内容负责人审核切片边界（尤其涉学员出镜、内部价格等敏感画面）后再批量发布
参考文档索引
以下参考文档按需加载，不必一次性全部读取：
| 文档 | 路径 | 加载时机 |
|---|---|---|
| 切片类型模型库 | references/clip-type-models.md |
Step 3 切片方案设计 |
| 转录分析与精华点识别指南 | references/transcript-analysis-guide.md |
Step 2 素材解析 |
| clips.json 字段字典 | references/clips-schema.md |
Step 3/4 方案与审查 |
| 发布文案指南 | references/publish-copywriting-guide.md |
Step 5 文案包生成 |
工具脚本
以下脚本可直接执行，提供确定性能力：
| 脚本 | 路径 | 用途 | 调用时机 |
|---|---|---|---|
| 转录解析器 | scripts/transcript_parser.py |
解析 .srt/.vtt/纯文本转录，按信号词识别候选精华点与不可用区段 | Step 2 素材解析 |
| 切片校验器 | scripts/clips_validator.py |
校验 clips.json 的字段完整性、时长区间、优先级配比、边界重叠 | Step 4 交付前 |
| 切片导出器 | scripts/clips_export.py |
将 clips.json 导出为 .xlsx 总表 + .md 文案包 + ffmpeg 批处理脚本 | Step 5 |
转录解析用法：
python scripts/transcript_parser.py lesson.srt
python scripts/transcript_parser.py lesson.srt --json
python scripts/transcript_parser.py lesson.txt --format plain
切片校验用法：
python scripts/clips_validator.py clips.json
python scripts/clips_validator.py clips.json --json
切片导出用法：
python scripts/clips_export.py clips.json --source-video "L014.mp4" --outdir ./output
python scripts/clips_export.py clips.json --source-video "L014.mp4" --outdir ./output --shell sh
依赖的 WorkBuddy 内置技能
| 技能 | 用途 | 调用步骤 |
|---|---|---|
tencent-docx |
将 .md 文案包排版为 .docx | Step 5 |
| 表格能力（openpyxl 链路） | 生成切片总表 .xlsx | Step 5 |
present_files |
统一交付成果 | Step 5 |
重要约束
- 教育专业性：切片的知识点标注必须与源课时知识点对齐，不得张冠李戴；类型判定须基于实际内容信号，不得为凑类型硬套。
- 语义完整纪律：一个切片必须"提出问题→给出答案"闭环，宁长勿断；超渠道上限拆上下条，禁止拦腰截断推理过程。
- 编号刚性：切片编号是 clips.json 的主键体系，任何方案变更后必须重跑校验器，禁止跳号、重号。
- 合规红线：学员出镜、内部价格、未公开考试信息所在区段默认列为不可用，交付时必须提示人工复核；不得为流量牺牲合规。
- 忠实原则：转录模式下识别的精华点须如实记录置信度，存疑点交用户决策，不擅自定稿；标记模式下尊重人工标记，不擅自移动边界。
- 团队协作：AI 生成的是切片方案草案，最终发布决策权归运营负责人；交付时须提示审核确认。
