CLI 将 YouTube 吉他课程视频转换为吉他谱的 PDF。它下载视频，采样帧，使用 Claude 视觉定位谱子区域，裁剪每一帧到该区域，通过谱上每行印刷的小节号去重裁剪，并将不同的谱线垂直拼接到 PDF 中。它开箱即用，无需配置 — PDF 输出到 out/<视频标题>.pdf，视频标题作为第一页的标题和文档元数据。要求：Node.js ≥ 20，yt-dlp 和 ffmpeg 在你的 PATH 中（brew install yt-dlp ffmpeg），一个 Anthropic API 密钥。设置：npm install，npm run build，cp .env.example .env # 然后将你的 ANTHROPIC_API_KEY 放入其中。用法：# 使用 .env 文件 node --env-file=.env dist/cli.js "https://www.youtube.com/watch?v=WgU5tDGC-Vc" # 或者使用已导出的密钥 export ANTHROPIC_API_KEY=sk-ant-... node dist/cli.js "https://www.youtube.com/watch?v=WgU5tDGC-Vc" 在开发过程中可以跳过构建步骤：node --env-file=.env --import tsx src/cli.ts "<url>" 结果写入 out/<视频标题>.pdf（其路径也会打印到标准输出）；进度输出到标准错误。选项：一切都有一个合理的默认值；通常只需要 URL。 -i，--interval <秒> 屏幕截图间隔（默认为 2）， --model <id> Claude 视觉模型（默认为 claude-sonnet-5）， --sample <n> 用于谱区域检测的采样帧数（默认为 6）， --dedup-threshold <n> 预去重哈密顿距离，成本控制（默认为 12）， --max-height <像素> 限制下载分辨率（默认为 720）， --keep-temp 保留中间帧/裁剪。工作原理：下载 — yt-dlp 获取视频（≤ --max-height），帧 — ffmpeg 每 --interval 秒提取一帧，检测 — 在 --sample 帧上绘制带标签的水平带网格，Claude 视觉报告哪些带包含乐谱。中位数的第一/最后乐谱带（对异常值稳健）给出垂直范围；宽度保持全宽。（粗略带标签的带比询问视觉模型获得精确像素坐标更可靠。）裁剪 — 每帧精准裁剪到该区域。预去重 — dHash 感知哈希丢弃近乎相同的连续裁剪。这只是一个成本控制，以减少下一步中视觉调用的数量。小节编号去重 — Claude 读取每行开头印刷的小节/条号和裁剪是否为真实的乐谱。工具每个不同的小节编号（第一次出现胜出）保留一个裁剪，并丢弃非谱裁剪（标题卡、开头/结尾）。因为小节编号在播放光标扫过一行时是恒定的，只有在乐谱前进时才会改变，这将所有相近相同的光标帧折叠为单一页面。PDF — pdf-lib 将不同的谱线垂直叠加到 A4 页面，按它们在视频中出现的顺序。视频标题（从 yt-dlp 读取）成为文件名、第一页的标题和文档元数据的标题。输出：out/<视频标题>.pdf。