cnfjlhj/timestamped-video-summary

Timestamped Video Summary

Overview

将“带时间戳的字幕/转录”整理为严格结构的视频内容纪要，并在用户要求“落盘/导出/PDF”时，把纪要渲染成排版清晰的中文 PDF（默认不附带原始逐行字幕材料）。

Workflow Decision Tree

1. 只要文字纪要

• 直接按“输出规范”生成 Markdown 纪要即可（无需落盘）。

2. 需要落盘为 PDF（排版清楚）

• 先生成符合规范的 Markdown 纪要 → 写入 *.md → 运行 scripts/validate_summary_md.py 校验 → 运行 scripts/render_pdf.py 生成 *.pdf。

Input Assumptions

• 输入是带时间戳的字幕/转录文本，典型形态为：
  • 00:00 / 00:02 / 01:23 / 1:23:45 这样的时间戳行
  • 其下一行/多行是字幕内容
• 允许字幕存在口误、ASR 错别字、英文大小写/空格 token 等噪声；纪要要“忠实还原 + 专业归纳”，不要凭空补剧情。

Output Spec (Strict)

对字幕的每个逻辑段落，输出必须包含且仅包含以下三部分（按顺序）：

1. 时间戳范围

• 格式：时间戳范围: [开始时间 - 结束时间]

2. 段落核心标题

• 紧跟时间戳范围下一行
• 必须用 Markdown 加粗：**标题**
• 标题要“精准概括该段落内容”，避免空泛（如“介绍一下”“继续讲”）。

3. 内容主体（两层，但不加额外小标题/前缀）

• 第一段：核心内容总结（必须用博主第一人称：“我/我们”），忠实复述观点、论证、操作；用 加粗突出关键术语/核心结论/数据。
• 第二段：另起一段，必须以 【导师评注】 开头；以顶尖专家口吻补充概念、指出漏洞/争议；若无法判断真伪，必须明确写出该点**“需要进一步验证”**，并给出具体验证思路/方法。

禁止项（默认规则）：

• 不要把“原始逐行字幕（每行时间戳+原文）”附在纪要或 PDF 后面（除非用户明确要求“把原字幕也附录进去”）。
• 不要在内容主体里加“核心内容总结：/导师评注：”这类额外标题；导师段只允许前缀 【导师评注】。

Segmentation Heuristics (Practical)

将字幕分成“逻辑段落”时：

• 以话题切换、板书/投影片章节、例子切换、从原理→实作等自然边界为主
• 段落不要过碎（否则标题会变得重复、信息密度下降）；也不要过大（否则难以检索）
• 段落时间跨度建议落在 1–5 分钟量级；必要时可更长，但标题必须能覆盖主要内容

Quality Checklist (Before Final)

• 每段都满足：时间戳范围 + 标题 + 两段正文（第二段以 【导师评注】 开头）
• 第一段是否全程第一人称（我/我们），且没有混入“导师视角”
• 关键术语/结论/数据是否用 加粗标出（不过度加粗）
• 导师评注是否包含：概念补充 + 批判性审视 + 不确定性处理（需要进一步验证 + 验证方法）
• 未出现“原始逐行字幕全文”

PDF Export (No Raw Transcript Appendix by Default)

落盘流程建议：

1. 先把最终纪要写入 output.md
2. 运行校验：python3 scripts/validate_summary_md.py output.md
3. 生成 PDF：python3 scripts/render_pdf.py --input output.md --outdir .

命名规则（默认不覆盖）：

• 输出文件名默认形如：视频纪要_<主题短名>_<YYYYMMDD_HHMMSS>.pdf
• 若同名已存在：自动追加 -v2/-v3

Resources

• scripts/validate_summary_md.py：格式与硬性规范校验
• scripts/render_pdf.py：把纪要 Markdown 渲染为 PDF（封面+目录+模块化段落；默认不附原字幕）