安装

前置条件

依赖	是否必需？	安装方式
Node.js >= 18	是	nodejs.org
FFmpeg	是	brew install ffmpeg / apt install ffmpeg
视觉 API 密钥	是	OpenAI / Anthropic / 等
yt-dlp	推荐	brew install yt-dlp / pip install yt-dlp
whisper.cpp	可选（转录）	参见下方 Whisper.cpp 安装
playwright-core	可选	npm install playwright-core
Chromium	可选（仅浏览器路径）	npx playwright-core install chromium

注意： playwright-core 是可选依赖。如果无法安装（例如在 Android/PRoot 上），yt-dlp + FFmpeg 路径可以独立工作。设置 VIDEO_VISION_MODE=ytdlp 可以完全避免浏览器回退。

音频转录： whisper.cpp 提供本地音频转录。启用后，视觉 AI 将同时接收视频帧和转录文本，生成更丰富的摘要。设置 VIDEO_VISION_LOW_RESOURCE=true 可禁用。

安装步骤

# 克隆仓库
git clone https://github.com/maim010/openclaw-video-vision.git ~/.openclaw/workspace/skills/video-vision
cd ~/.openclaw/workspace/skills/video-vision

# 安装 Node 依赖
npm install

# （可选）安装 Chromium 用于浏览器路径
npx playwright-core install chromium

首次运行

# 设置视觉 API 密钥
export VIDEO_VISION_API_KEY="sk-..."

# 总结一个视频
node src/index.js https://youtube.com/watch?v=dQw4w9WgXcQ

Whisper.cpp 安装

在 12+ CPU 核心和 14+ GB RAM 的机器上，音频转录默认开启。安装步骤：

# 编译 whisper.cpp
git clone https://github.com/ggml-org/whisper.cpp.git /opt/whisper.cpp
cd /opt/whisper.cpp
cmake -B build
cmake --build build --config Release -j$(nproc)
sudo ln -s /opt/whisper.cpp/build/bin/whisper-cli /usr/local/bin/whisper-cli

# 下载 medium 模型（约 1.5GB）
mkdir -p ~/.cache/whisper
wget -q https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-medium.bin \
  -O ~/.cache/whisper/ggml-medium.bin

低配机器可跳过转录：

export VIDEO_VISION_LOW_RESOURCE=true

特定平台说明

Android / PRoot / Termux

无法安装 playwright-core 和 Chromium。使用 yt-dlp + FFmpeg 路径：

apt install ffmpeg
pip install yt-dlp

export VIDEO_VISION_MODE=ytdlp

无服务器 / CI 环境

没有本地 Chromium。可以选择：

• 使用 VIDEO_VISION_MODE=ytdlp（如果 yt-dlp + FFmpeg 可用），或
• 使用云浏览器：设置 VIDEO_VISION_BROWSER=browserless|browserbase|steel（参见云浏览器）

macOS / Linux / Windows（桌面）

所有路径均可用。推荐使用默认的 VIDEO_VISION_MODE=auto。

brew install ffmpeg yt-dlp   # macOS
# 或
apt install ffmpeg && pip install yt-dlp   # Linux