# 智能新闻拆条系统 (Smart News Splitter)

本项目演示了如何利用 **Qwen3-VL** 多模态大模型实现新闻节目的自动拆条、编目和入库。

## 项目结构

- `main.py`: 主程序入口，协调预处理、AI分析和视频切割流程。
- `ai_agent.py`: 模拟 Qwen3-VL 的交互代理，负责视频内容理解和分段。
- `processor.py`: 封装 FFmpeg 操作，处理视频切割和音频提取。
- `requirements.txt`: 项目依赖。

## 核心流程

1.  **预处理**: 提取视频音频，进行 ASR 转写（本项目使用模拟文本）。
2.  **AI 分析**: 将视频帧和 ASR 文本发送给 Qwen3-VL，模型返回结构化的新闻片段信息（JSON）。
3.  **物理切割**: 根据模型返回的时间戳，调用 FFmpeg 进行无损切割。
4.  **自动编目**: 生成标题、摘要、标签和封面图，输出 `catalog_report.json`。

## 快速开始

### 1. 安装依赖

确保系统已安装 [FFmpeg](https://ffmpeg.org/download.html) 并将其加入环境变量。

```bash
pip install -r requirements.txt
```

### 2. 运行拆条

准备一个新闻视频文件（例如 `news.mp4`），然后运行：

```bash
python main.py -i news.mp4 -o output_folder
```

> **注意**: 由于没有真实的 Qwen3-VL API Key，`ai_agent.py` 目前返回的是模拟数据。在实际生产环境中，请替换 `analyze_video` 方法中的逻辑，接入 DashScope API。

## 实际接入指南

要接入真实的 Qwen3-VL，请修改 `ai_agent.py`:

1.  安装 DashScope SDK: `pip install dashscope`
2.  配置 API Key: `dashscope.api_key = "YOUR_API_KEY"`
3.  构造多模态消息:
    ```python
    messages = [
        {
            "role": "user",
            "content": [
                {"video": video_path},
                {"text": "请分析这段视频，拆分出每条新闻..."}
            ]
        }
    ]
    ```
4.  调用 `dashscope.MultiModalConversation.call()` 获取结果。