# 教学视频分析系统 **Repository Path**: zawdcxs/teaching-video-analysis-system ## Basic Information - **Project Name**: 教学视频分析系统 - **Description**: B4-基于AI大模型的教学视频多模态解析与知识重构系统 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2025-06-19 - **Last Updated**: 2026-04-16 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 视频处理与分析应用 ## 项目简介 这是一个基于Python和FFmpeg的视频处理与分析应用,能够对视频文件进行处理、生成字幕、提取大纲以及生成内容总结。该应用结合了前端Web界面与后端处理功能,提供直观的视频分析体验。 ## 功能特点 - 自动生成字幕文件 - 视频内容大纲提取 - 视频内容总结生成 - 基于Web的用户界面 - 实时处理状态显示 ## 安装步骤 ### 前提条件 - Windows 11 (64位) 操作系统 - Python 3.11.6 - FFmpeg 7.1.1 (已包含在项目中) - Node.js (用于前端依赖管理) ### 安装步骤 1. 克隆或下载项目到本地 2. 安装Python依赖 ```bash pip install -r requirements.txt ``` 3. 安装前端依赖 ```bash npm install ``` 4. 配置环境变量 - 复制.env.example文件为.env - 根据需要修改.env文件中的配置项 5. 安装ollama cmd中运行ollama run qwen2.5vl:32b ## 使用方法 ### 启动应用 ```bash python app.py ``` ### 访问应用 打开浏览器,访问 http://localhost:5000 ### 处理视频 1. 视频文件放到服务端的static目录 2. 选择视频处理完成 3. 查看生成的字幕、大纲和总结 ## 项目结构 ``` ├── .env.example # 环境变量示例文件 ├── .gitignore # Git忽略文件 ├── README.md # 项目说明文档 ├── app.py # 应用入口文件 ├── video_preprocessor.py # 视频预处理模块 ├── outline_generator.py # 大纲生成模块 ├── video_content_analyzer.py # 视频内容分析模块 ├── ffmpeg-7.1.1-full_build/ # FFmpeg可执行文件 ├── static/ # 静态资源 │ ├── css/ # 样式表 │ ├── js/ # JavaScript文件 │ ├── subtitles/ # 生成的字幕文件 │ ├── outline/ # 生成的大纲文件 │ ├── summary/ # 生成的总结文件 │ └── thumbnails/ # 视频缩略图文件 └── templates/ # HTML模板 ├── index.html # 首页 └── result.html # 结果展示页 ``` ## 配置说明 修改.env.example 为 .env 环境变量配置(.env文件): - 阿里大模型 找到API Key 填入,注意 没有"" - https://bailian.console.aliyun.com/?tab=model#/api-key DASHSCOPE_API_KEY= - 火山语音API配置(新增) - https://console.volcengine.com/ark/region:ark+cn-beijing/tts/speechRecognition APP_ID= Access_Token= ## 依赖项 - Python 3.11.6 - FFmpeg 7.1.1 - Flask - Bootstrap 5 - marked.js - 其他依赖见requirements.txt ## 许可证 本项目采用GPL v3许可证 - 详见LICENSE文件 ## 致谢 - FFmpeg项目提供视频处理能力 - Bootstrap提供前端UI框架 - marked.js提供Markdown解析功能