在低代码与职业培训场景中,软件操作培训往往依赖讲师现场演示,培训结束后缺少可回查的图文纪要。甲方教师、采购方需要留存带时间戳和界面截图的证据,逐字稿又无法覆盖只出现在画面上的按钮名、菜单路径与参数值。本作品面向这一痛点,把本地培训录屏自动整理为图文对照纪要。
点击空白处退出提示
在低代码与职业培训场景中,软件操作培训往往依赖讲师现场演示,培训结束后缺少可回查的图文纪要。甲方教师、采购方需要留存带时间戳和界面截图的证据,逐字稿又无法覆盖只出现在画面上的按钮名、菜单路径与参数值。本作品面向这一痛点,把本地培训录屏自动整理为图文对照纪要。
作品包含六个处理模块:视频体检(时长/分辨率/编码探测)、长音频转写(段级精确时间戳与说话人分离)、操作锚点识别(语言关键词加ffmpeg场景检测双通道)、精确截帧与视觉复核、图文纪要生成(时间戳加截图加关键操作路径汇总表加术语表加待确认清单)、PDF导出(图片base64内嵌)。产出以视频标题命名的md与pdf两个文件,配置清单与逐字稿完整存档,支持1至5小时长视频、多人对话、无字幕录屏。
本人独立完成全部设计与实现。技术栈为Python3,调用内置AudioTranscribe做长视频转写,ffmpeg与ffprobe做场景检测与精确截帧,Chrome headless将Markdown转为PDF。实现亮点:时间戳模式自动判定(精确与近似分流,估算值标注波浪号避免伪造精确)、语言锚点与视觉锚点就近吸附合并去重、截图数量按视频时长自适应24至96张、中文路径走ASCII临时目录规避Chrome打印失败、PDF图片base64内嵌保证相对路径不丢失。



评论