【战神数科】爆款短视频拆解技能

概述

爆款短视频拆解技能

概述

将一条爆款短视频拆解为五个可学习的模块：结构分段 → 完整脚本 → 爆款归因 → 六维评分 → 可借鉴策略。目标不是"评高低"，而是"拆得懂、学得会、抄得来"。

支持三种输入：抖音短链、视频号公开链接、本地视频文件。输出为一份 Markdown 报告，1-5 分钟内完成。

何时触发

• 用户给出抖音链接（v.douyin.com/...）并要求拆解/分析
• 用户给出视频号链接（channels.weixin.qq.com/...）并要求拆解
• 用户给出本地视频路径（.mp4/.mov 等）并要求分析
• 用户说"拆解这条视频""这条为什么能火""帮我学学这个爆款"

输入识别

收到任务后，先判断输入类型：

标准执行流程

Phase 1：获取视频与元数据

1-A 抖音链接处理

1. 运行脚本抓取元数据并下载视频：

   /Users/axi/.workbuddy/binaries/python/versions/3.13.12/bin/python3 
     ~/.workbuddy/skills/viral-video-teardown/scripts/fetch_douyin_meta.py 
     "<抖音链接>" --download --outdir /tmp/viral_teardown

1. 脚本输出 JSON 元数据（含 video_path、desc、author_nickname、digg_count 等）
2. 保存 JSON 结果供后续填充报告

兜底：如果脚本失败（平台改版/链接失效），要求用户提供本地视频文件，转 Phase 1-C。

详细接口模式参见 references/platform_apis.md 第一节。

1-B 视频号链接处理

1. 运行脚本尝试抓取：

   /Users/axi/.workbuddy/binaries/python/versions/3.13.12/bin/python3 
     ~/.workbuddy/skills/viral-video-teardown/scripts/fetch_channels_meta.py 
     "<视频号链接>"

1. 视频号反爬较强，大概率拿不到完整数据。如果失败，立即要求用户提供本地视频文件，转 Phase 1-C
2. 视频号互动数据通常无法从公开页获取，报告中标注「数据未提供」

详细接口模式参见 references/platform_apis.md 第二节。

1-C 本地视频处理

1. 用 ffprobe 确认文件可读并获取时长：

   ffprobe -v error -show_entries format=duration -of csv=p=0 "<视频路径>"

1. 元数据字段留空，报告中标注「本地文件，无平台元数据」
2. 直接进入 Phase 2

Phase 2：抽帧与字幕提取

这一步的目标是拿到完整口播脚本。

1. 抽帧（用于硬字幕 OCR 和画面分析）：

   bash ~/.workbuddy/skills/viral-video-teardown/scripts/extract_frames.sh 
     "<视频路径>" 10 /tmp/viral_teardown/frames

• 间隔 10 秒（长视频可放宽到 15-30 秒）
• 抽出的帧用 Read 工具逐张读取，识别画面中的硬字幕文字

1. 提取音频（可选，当硬字幕不完整时使用）：

   bash ~/.workbuddy/skills/viral-video-teardown/scripts/extract_audio.sh 
     "<视频路径>" /tmp/viral_teardown

1. 字幕提取策略（按优先级）：
   • 优先：从硬字幕逐帧 OCR（大多数口播视频有完整硬字幕，信息量 ≈ 100%）
   • 次选：用 Whisper 转录音频（安装耗时，仅当硬字幕缺失时使用）
   • 兜底：从视频描述 + 评论区高频词推断内容大纲
2. 按时间轴整理脚本：将提取到的字幕按时间排序，合并连续片段，标注分段标题

Phase 3：结构分段

将脚本按叙事单元拆分。常见分段类型：

• 开场（0:00–钩子结束）：交代主题、建立钩子
• 主体段落（每段 1-3 分钟）：论点/情节展开
• 收尾（最后 10-30 秒）：总结/CTA/情绪收束

判断分段边界的信号：

• 话题转换（"那么""接下来""第二个"等过渡词）
• 场景切换（画面变化）
• 情绪转折（从铺垫到高潮）

Phase 4：爆款归因

按 L1-L6 六层框架分析。详细标准参见 references/viral_attribution.md。

简要回顾六层：

• L1 选题层：为什么这个话题有流量基础
• L2 标题封面：为什么让人点开
• L3 开头钩子：前 3 秒为什么让人不划走
• L4 情绪触点：哪个时刻引发情绪反应
• L5 价值交付：用户得到了什么
• L6 算法契合：为什么平台愿意推

每个归因点必须给出证据（引用脚本/数据），不能空泛。

Phase 5：六维评分

对视频进行六维打分，每维 0-10 分，总分 60。详细评分锚点参见 references/six_dimensions.md。

六个维度：

1. 钩子力（Hook Power）
2. 情绪力（Emotion Resonance）
3. 信息密度（Information Density）
4. 结构力（Structure Rigor）
5. 转化力（Conversion Capability）
6. 可复制性（Replicability）

关键规则：每个评分必须给出扣分理由，不能只给分。

Phase 6：可借鉴策略

从"普通创作者能学到什么"角度输出：

• 可直接复用的：钩子句式、结构模板、情绪触点设计
• 需要调整的：适配自己赛道后的版本
• 不建议复制的：依赖个人 IP/独家资源/高风险的部分
• 行动清单：3 个本周可执行的动作

Phase 7：生成报告

用 assets/report_template.md 作为模板，填充各模块内容。

输出路径：保存到当前工作目录下，文件名格式 爆款拆解_<视频标题>.md

输出后：调用 present_files 展示报告。

关键注意事项

效率

• 全流程应在 1-5 分钟内完成
• 不要等 Whisper 安装完成才开始分析——硬字幕 OCR 通常已足够
• 抽帧间隔：短视频（<3分钟）用 5 秒；中长视频（3-10分钟）用 10 秒；长视频（>10分钟）用 15-30 秒

客观性

• 报告必须包含"值得商榷"部分，指出视频的不足或存疑之处
• 不要为了讨好而全给高分——B/C 级视频也要如实评分
• 爆款 ≠ 高质量，有些爆款靠情绪煽动，要客观指出

合规

• 下载的视频仅供本地分析，分析完成后建议删除 /tmp 下的临时文件
• 报告引用脚本内容应标注来源
• 仅用于学习研究，不用于批量爬取或侵权

资源索引

运行时

• Python：/Users/axi/.workbuddy/binaries/python/versions/3.13.12/bin/python3
• ffmpeg：系统已安装（/Users/axi/.local/bin/ffmpeg）
• 临时目录：/tmp/viral_teardown/
• 临时文件（视频/音频/帧）分析完成后可删除