mirror of
https://github.com/linyqh/NarratoAI.git
synced 2025-12-11 10:32:49 +00:00
dbbb06eda8
更新generate_narration_script.py、short_drama_explanation.py和step1_subtitle_analyzer_openai.py文件，集成新的提示词管理系统，提升解说文案和短剧分析的生成效率与准确性。通过使用PromptManager简化提示词构建过程，增强系统的灵活性和可维护性。
68 lines
2.2 KiB
Python
68 lines
2.2 KiB
Python
#!/usr/bin/env python
|
||
# -*- coding: UTF-8 -*-
|
||
|
||
"""
|
||
@Project: NarratoAI
|
||
@File : frame_analysis.py
|
||
@Author : AI Assistant
|
||
@Date : 2025/1/7
|
||
@Description: 纪录片视频帧分析提示词
|
||
"""
|
||
|
||
from ..base import VisionPrompt, PromptMetadata, ModelType, OutputFormat
|
||
|
||
|
||
class FrameAnalysisPrompt(VisionPrompt):
|
||
"""纪录片视频帧分析提示词"""
|
||
|
||
def __init__(self):
|
||
metadata = PromptMetadata(
|
||
name="frame_analysis",
|
||
category="documentary",
|
||
version="v1.0",
|
||
description="分析纪录片视频关键帧，提取画面内容和场景描述",
|
||
model_type=ModelType.VISION,
|
||
output_format=OutputFormat.JSON,
|
||
tags=["纪录片", "视频分析", "关键帧", "画面描述"],
|
||
parameters=["video_theme", "custom_instructions"]
|
||
)
|
||
super().__init__(metadata)
|
||
|
||
self._system_prompt = "你是一名专业的视频内容分析师，擅长分析纪录片视频帧内容，提取关键信息和场景描述。"
|
||
|
||
def get_template(self) -> str:
|
||
return """请仔细分析这些视频关键帧图片，我需要你提供详细的画面分析。
|
||
|
||
视频主题：${video_theme}
|
||
|
||
分析要求：
|
||
1. 按时间顺序分析每一帧画面
|
||
2. 详细描述画面中的主要内容、人物、物体、环境
|
||
3. 注意画面的构图、色彩、光线等视觉元素
|
||
4. 识别画面中的关键动作或变化
|
||
5. 提供准确的时间戳信息
|
||
|
||
${custom_instructions}
|
||
|
||
请按照以下JSON格式输出分析结果：
|
||
|
||
{{
|
||
"analysis": [
|
||
{{
|
||
"timestamp": "00:00:05,390",
|
||
"picture": "详细的画面描述，包括场景、人物、物体、动作等",
|
||
"scene_type": "场景类型（如：建造、准备、完成等）",
|
||
"key_elements": ["关键元素1", "关键元素2"],
|
||
"visual_quality": "画面质量描述（构图、光线、色彩等）"
|
||
}}
|
||
],
|
||
"summary": "整体视频内容概述",
|
||
"total_frames": "分析的帧数"
|
||
}}
|
||
|
||
重要要求：
|
||
1. 只输出JSON格式，不要添加任何其他文字或代码块标记
|
||
2. 画面描述要详细准确，为后续解说文案生成提供充分信息
|
||
3. 时间戳必须准确对应视频帧
|
||
4. 严禁虚构不存在的内容"""
|