video-mover

Video Mover: 多平台内容分发自动化流水线

简体中文 | English

面向多平台内容运营场景的视频处理与发布工作流。

该项目将文件监听、视频标准化处理、文案生成、任务调度和多平台发布整合到一条可配置流水线中，用于探索如何减少内容团队在重复操作上的时间投入。流水线各阶段均为独立模块，可按业务需要组合、替换或关闭。

本项目仅应用于拥有合法使用权的内容与账号。使用者应遵守内容版权、平台规则和当地法律法规。

项目背景

跨平台内容运营通常包含多个相互割裂的步骤：素材进入、格式处理、文案整理、发布时间安排和逐平台上传。重复的人工操作不仅耗时，也容易造成命名、参数和发布记录不一致。

Video Mover 将这些步骤抽象为可组合的任务模块，以便对流程进行自动化、监控和扩展。项目的目标不是替代创作环节，而是把"处理—文案—调度—发布"这类确定性的重复劳动交给流水线，让人保留在素材选择与内容终审环节。

特别鸣谢

主要能力

• 目录监听与任务触发：基于 Watchdog 持续监听指定素材目录，新文件进入后自动触发处理任务，支持 7×24 小时无人值守运行。
• 内容差异化处理工具箱：基于 FFmpeg / OpenCV 的可配置处理链，覆盖自动字幕、自定义标题、背景音乐（BGM）、画中画（PIP）、静音剪辑、镜像、旋转、裁剪、淡入淡出、画质调整，以及背景模糊、帧交换、颜色偏移、纹理噪声等数十种视觉处理项。所有功能独立可配、自由组合，服务于二次创作与素材规范化场景。
• GPU 加速：在兼容环境下调用 NVIDIA 显卡进行硬件编码加速，显著缩短批量处理时间。
• AI 文案草稿生成：接入阿里云百炼大模型，分析视频内容后生成标题与标签草稿，发布前由人工终审确认后使用。
• 任务队列与定时调度：通过 APScheduler 配置任务队列与发布时间表，统一维护执行状态。
• 多平台发布适配：基于 Playwright 的浏览器自动化，适配 TikTok、抖音、快手、哔哩哔哩、视频号和小红书等平台的上传流程，自动完成登录态复用与表单填写。
• 可扩展架构：通过插件与 Handler 结构扩展处理步骤及上传适配器，新增平台或处理项无需改动主流程。
• 日志与状态记录：完整记录任务日志与执行状态，便于失败定位与流程复盘。

📸 软件截图

工作流

Content input
    -> File watcher
    -> Video processing
    -> Metadata generation
    -> Scheduling
    -> Platform adapters
    -> Execution logs

技术设计

• main.py：任务编排、文件管理、调度与插件入口
• Dedup/：基于 FFmpeg、OpenCV 的视频处理模块（对应上方工具箱的各项处理）
• Upload/：各平台上传适配器与账号配置
• my_apps.yaml：应用与网络参数配置（输入目录、目标平台、代理、调度等）

主要技术：Python、FFmpeg、OpenCV、Playwright、Watchdog、APScheduler、LLM API。

快速开始

环境要求

• Windows
• Python 3.12+
• Node.js 22.x
• FFmpeg（需加入 PATH）
• Chrome

安装

1. 克隆仓库：

   git clone https://github.com/toki-plus/video-mover.git
   cd video-mover
   

2. 运行 setup.bat，自动安装 Python、Node.js、Playwright 与相关依赖。建议在独立虚拟环境中运行。

3. 依赖补丁（关键步骤）：为兼容目标平台接口，需对虚拟环境中的两处第三方库做小改动：

   • f2/apps/tiktok/handler.py（约 389 行）：params={"cursor": cursor, ...} 改为 params={"cursor": int(cursor), ...}；
   • f2/utils/utils.py（约 200 / 690 行）：扩展日期字符串解析逻辑，同时兼容 YYYY-MM-DD 与带时间的格式；
   • tencent_uploader/main.py（约 191 行）：将页面跳转等待超时由 1500ms 提升至 10000ms，避免慢网络下误判失败。

配置

1. 在 my_apps.yaml 中配置输入目录、目标平台、账号文件、代理和调度参数。
2. 如启用 AI 文案功能，通过安全的本地配置方式提供 API Key，切勿提交到仓库。
3. 首次运行平台适配器时，根据提示完成账号登录与 Cookie 初始化。

运行

双击 start.bat，或执行：

python main.py

程序会自动打开浏览器并执行任务，按提示完成首次登录即可进入自动化流程。

当前限制

• 平台页面和接口发生变化时，上传适配器可能需要同步更新。
• 部分上游依赖存在版本兼容要求，建议固定依赖版本并使用隔离环境。
• 项目尚未建立完整的自动化测试与 CI，生产使用前应进行小规模验证。
• API Key、Cookie 和账号配置不应提交到 Git 仓库。

项目价值

本项目重点验证的是跨工具、跨平台工作流的拆解与编排能力：如何把文件监听、媒体处理、LLM 调用、定时调度和浏览器自动化串成一条可观测、可恢复的流水线，包括任务边界设计、第三方系统适配、失败日志和后续扩展，而非单一的视频处理算法。其中"上游库需要打补丁才能兼容真实平台接口"这类工程细节，也正是自动化项目落地时最常见的隐性成本。

📂 更多项目

• ai-highlight-clip — 长视频智能初筛：Whisper 转写 + LLM 评分 + 人工终审，分钟级定位高光片段
• ai-ttv-workflow — 文案到短视频的桌面工作流，关键节点保留人工确认
• ai-video-workflow — 多模型 AIGC 视频生成流水线：文生图、图生视频、文生音乐的异步编排
• ai-mixed-cut — 素材库结构化与脚本重组的视频再创作工作流
• ai-trader-for-mt4 — LLM×MT4 受控执行框架：工具约束、风控规则、状态管理与异步桥接
• ai-trader-for-mt5 — 面向 MT5 的 AI 交易助手与 EA 工程化框架
• auto-usps-tracker — 跨境电商批量物流追踪与 Excel 报告自动化
• AB-Video-Deduplicator — 基于高帧率抽帧混合的视频再创作实验工具
• netease-downloader — 网易云音乐下载桌面应用：扫码登录、下载队列、ID3 元数据写入

License

See LICENSE.