AI视频分段工具

用 AI 视频分段工具。它先用 Whisper 把视频语音转成带时间戳的字幕，再调用通义千问分析字幕内容，识别主题切换点，在语义完整位置自动切分。每段会生成独立的 mp4 片段、srt 字幕、内容摘要，2 小时视频约需 20-40 分钟处理完。

手动切分按固定时长（如每 5 分钟一段），切点可能在句子中间，破坏内容连贯性。AI 分段是按语义切，识别「这里讲完一个知识点了」才切，每段内容完整、主题清晰，还附带摘要。对知识付费、课程剪辑场景，AI 分段完胜手动。

主题分析依赖通义千问大模型理解字幕内容，所以需要 API Key。可以访问 通义千问控制台 获取，新用户有免费额度（足够处理几十小时视频），超出后按量计费，1 小时视频分析成本约 0.1-0.3 元。Whisper 语音识别在本地运行，不消耗 API。

工具会同时输出三种文件：①独立 mp4 片段（直接拖进任何剪辑软件）；②srt 字幕文件（剪映直接导入字幕轨道）；③FCP XML 时间线（PR/达芬奇/FCP 可导入完整时间线结构）。剪映用户建议用前两种。

用 Whisper base 模型，1 小时视频约需 10-20 分钟。如果有 NVIDIA 显卡（CUDA 加速），可缩短到 5-8 分钟。处理时间主要花在语音识别，主题分析是秒级返回。

工具在识别主题切换点后，会回溯到最近的「语义停顿位置」（句号、问号、较长沉默）才切，不会从句子中间断开。准确率约 85-92%，少数情况下需要手动微调切点。处理完会生成 SEGMENTS.md 文档，可以一眼看到每段主题，方便核对。

目前只支持 Windows 10/11。Mac 用户需要手动安装 Python 3 和依赖（Whisper、FFmpeg、OpenCV），技术门槛较高。建议 Mac 用户先用网页版 Whisper 服务转字幕，再手动分段。