对话转录与锁定
提取原视频对白与时间码，逐句校对，保留关键数字、谐音、包袱、反击方式和收尾。
6分32秒一次真实端到端测试用时
36.27秒测试对标视频时长
4–6小时50分原人工流程单条预计耗时
2026-08-20最近确认飞书通道正常
Capabilities
从看懂视频，到交付制作方案
Agent不是只写一段脚本，而是把原片证据、对话、镜头、素材和发布文案连成一条可执行的生产链。
画面与镜头理解
识别人物、动作、景别、运镜、表情、环境、字幕和触发反转的非语言信息。
八维拆解
按故事功能、景别、运镜、动作、台词、节奏、情绪和音效，建立带时间码的拆解表。
视觉改编与分镜
在锁定对话的前提下，适度改编人物、场景、道具、动作、表情、构图和镜头节奏。
生成提示词与素材计划
输出角色锚点、场景设定和逐镜头提示词，并标明素材状态、淘汰条件和人工审核点。
剪辑与平台适配
规划字幕、音效、转场、节奏和导出参数，并分别生成抖音、快手和视频号文案。
Workflow
人负责判断，Agent负责重活
流程设置两个关键人工确认点：先锁定对话，再审核最终交付。未经确认，Agent不会修改关键对白或自动发布。
检查链接、MP4、主题、平台、画幅和权利状态。
转录对白、抽取关键帧、检测镜头并识别字幕。
逐句确认对话。视觉设定冲突时，调整视觉而不是改写对白。
完成八维拆解、人物场景、脚本、分镜和提示词。
确认时长、风险、素材状态、剪辑方案和平台文案。
Input & Output
输入什么，交付什么
输入越清楚，交付越稳定。对标链接负责提供背景和传播数据，MP4负责保证内容可解析。
需要提供
- 可访问的对标视频链接。
- 可读取的 MP4 原视频文件。
- 创作主题、账号定位和目标受众。
- 目标平台、时长、画幅和尺度要求。
- 素材权利状态：自有、已授权、仅内部测试或未知。
可以得到
- 带时间码的内容提取与八维拆解。
- 对话锁定稿与对话复刻核对表。
- 完整脚本、人物设定、场景清单和逐镜分镜。
- 可独立执行的图片与视频生成提示词。
- 剪辑方案及三个平台的标题、封面和发布文案。
Evidence
真实运行，不是效果图
页面只展示脱敏后的运行事实。聊天ID、用户ID、密钥、内部路径和完整日志不会公开。
一次端到端测试
飞书收到视频策划任务
Agent完成处理并返回结果
约6分32秒
再次确认飞书 Gateway 正常连接
真实交付样例摘要
测试主题为“职场沟通中的解气反转”，对标视频时长36.27秒。Agent完成了内容提取、关键帧分析、九段八维拆解、完整脚本、十四镜分镜、提示词、剪辑方案、平台文案及风险记录。
说明：该样例由旧版Profile生成，曾对原对话进行改写。当前Profile已经升级为“先锁定并复刻对话，再改编视觉”。
Tool Stack
它如何完成工作
Codex负责配置与维护，Hermes负责运行和调度；视频处理、语音转录、OCR和视觉模型各自完成独立环节。
Codex创建Profile、维护规则、安装工具与排查故障。
Hermes运行video-planner Profile，管理任务与飞书通道。
飞书 / Lark MCP接收消息和附件，发送结果并尝试写入文档。
DeepSeek负责内容判断、脚本、分镜、提示词和文案。
FFmpeg读取视频参数、抽取音频和关键帧。
faster-whisper转录人物对白并生成时间码。
PySceneDetect + PaddleOCR检测镜头切换并识别画面文字。
Gemini Vision理解人物、动作、景别、环境和关键画面。
Boundaries
能力边界与安全规范
公开页面本身也是只读对象：不会连接你的Agent，不会接收文件，不会产生模型费用，更不会暴露内部权限。
它可以做
- 分析公开链接和合法提供的MP4内容。
- 复刻经过校对的人物对话并适度改编视觉。
- 标记数据不足、原片风险和需要人工确认的问题。
- 输出可执行的生产计划和平台文案。
它不会做
- 未经确认修改锁定对话或最终胜负。
- 自动发布、回复评论、处理私信或投流。
- 把未知版权状态的复刻内容直接公开发布。
- 保证自动生成实际图片或视频；当前生成平台尚未稳定接入。
公开展示声明：这个网页只用于介绍Agent。页面不调用API、不连接Hermes或飞书、不上传文件、不保存访客数据，访客无法通过本页面控制真实Agent。
How to Use
实际使用发生在授权后的飞书会话中
公开访客只能查看说明。真正使用时，需要由管理员将使用者加入允许范围，再向视频策划Bot提交任务。
1. 准备素材对标链接、MP4、主题、平台和权利状态。
2. 飞书提交在Bot私聊发送任务说明并上传MP4。
3. 锁定对话逐句审核后回复“确认锁定对话”。
4. 审核交付检查分镜、提示词、风险和平台文案。