feat(video): 新增按时间间隔抽帧模式

增加了按时间间隔提取视频帧的新模式，与原有的固定总帧数模式并存。用户现在可以通过配置文件选择最适合其需求的抽帧方式。

- 新增 `frame_extraction_mode` 配置项，可选值为 "fixed_number" (固定总帧数) 或 "time_interval" (按时间间隔)。
- 新增 `frame_interval_seconds` 配置项，用于指定时间间隔模式下的抽帧秒数。
- `max_frames` 配置项现在仅在 "fixed_number" 模式下生效。
- 更新了 `VideoAnalyzer` 类以支持两种抽帧逻辑，并从配置中读取新参数。
- 相应地更新了配置文件模板 `bot_config_template.toml`。

src/chat/utils/utils_video.py

@@ -61,6 +61,8 @@ class VideoAnalyzer:
             self.max_image_size = config.max_image_size
             self.enable_frame_timing = config.enable_frame_timing
             self.batch_analysis_prompt = config.batch_analysis_prompt
+            self.frame_extraction_mode = config.frame_extraction_mode
+            self.frame_interval_seconds = config.frame_interval_seconds
             
             # 将配置文件中的模式映射到内部使用的模式名称
             config_mode = config.analysis_mode
@@ -92,6 +94,8 @@ class VideoAnalyzer:
             self.batch_size = 3  # 批处理时每批处理的帧数
             self.timeout = 60.0  # 分析超时时间（秒）
             self.enable_frame_timing = True
+            self.frame_extraction_mode = "fixed_number"
+            self.frame_interval_seconds = 2.0
             self.batch_analysis_prompt = """请分析这个视频的内容。这些图片是从视频中按时间顺序提取的关键帧。
 
 请提供详细的分析，包括：
@@ -191,24 +195,59 @@ class VideoAnalyzer:
         
         logger.info(f"视频信息: {total_frames}帧, {fps:.2f}FPS, {duration:.2f}秒")
         
-        # 动态计算帧间隔
-        if duration > 0:
-            frame_interval = max(1, int(duration / self.max_frames * fps))
-        else:
-            frame_interval = 30  # 默认间隔
-        
         frame_count = 0
         extracted_count = 0
         
-        while cap.isOpened() and extracted_count < self.max_frames:
-            ret, frame = cap.read()
-            if not ret:
-                break
+        if self.frame_extraction_mode == "time_interval":
+            # 新模式：按时间间隔抽帧
+            time_interval = self.frame_interval_seconds
+            next_frame_time = 0.0
+            
+            while cap.isOpened():
+                ret, frame = cap.read()
+                if not ret:
+                    break
                 
-            if frame_count % frame_interval == 0:
-                # 转换为PIL图像并压缩
-                frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-                pil_image = Image.fromarray(frame_rgb)
+                current_time = cap.get(cv2.CAP_PROP_POS_MSEC) / 1000.0
+                
+                if current_time >= next_frame_time:
+                    # 转换为PIL图像并压缩
+                    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+                    pil_image = Image.fromarray(frame_rgb)
+                    
+                    # 调整图像大小
+                    if max(pil_image.size) > self.max_image_size:
+                        ratio = self.max_image_size / max(pil_image.size)
+                        new_size = tuple(int(dim * ratio) for dim in pil_image.size)
+                        pil_image = pil_image.resize(new_size, Image.Resampling.LANCZOS)
+                    
+                    # 转换为base64
+                    buffer = io.BytesIO()
+                    pil_image.save(buffer, format='JPEG', quality=self.frame_quality)
+                    frame_base64 = base64.b64encode(buffer.getvalue()).decode('utf-8')
+                    
+                    frames.append((frame_base64, current_time))
+                    extracted_count += 1
+                    
+                    logger.debug(f"提取第{extracted_count}帧 (时间: {current_time:.2f}s)")
+                    
+                    next_frame_time += time_interval
+        else:
+            # 旧模式：固定总帧数
+            if duration > 0:
+                frame_interval = max(1, int(total_frames / self.max_frames))
+            else:
+                frame_interval = 1 # 如果无法获取时长，则逐帧提取直到达到max_frames
+
+            while cap.isOpened() and extracted_count < self.max_frames:
+                ret, frame = cap.read()
+                if not ret:
+                    break
+                
+                if frame_count % frame_interval == 0:
+                    # 转换为PIL图像并压缩
+                    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+                    pil_image = Image.fromarray(frame_rgb)
                 
                 # 调整图像大小
                 if max(pil_image.size) > self.max_image_size:
@@ -227,8 +266,8 @@ class VideoAnalyzer:
                 extracted_count += 1
                 
                 logger.debug(f"提取第{extracted_count}帧 (时间: {timestamp:.2f}s)")
-            
-            frame_count += 1
+                
+                frame_count += 1
         
         cap.release()
         logger.info(f"✅ 成功提取{len(frames)}帧")

src/plugins/built_in/tts_plugin/plugin.py

@@ -34,6 +34,8 @@ class TTSAction(BaseAction):
     # 动作使用场景
     action_require = [
         "当需要发送语音信息时使用",
+        "当用户要求你说话时使用",
+        "当用户要求听你声音时使用",
         "当用户明确要求使用语音功能时使用",
         "当表达内容更适合用语音而不是文字传达时使用",
         "当用户想听到语音回答而非阅读文本时使用",

template/bot_config_template.toml

@@ -1,5 +1,5 @@
 [inner]
-version = "6.4.3"
+version = "6.4.4"
 
 #----以下是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读----
 #如果你想要修改配置文件，请递增version的值
@@ -373,7 +373,9 @@ enable_friend_chat = false # 是否启用好友聊天
 [video_analysis] # 视频分析配置
 enable = true # 是否启用视频分析功能
 analysis_mode = "batch_frames" # 分析模式："frame_by_frame"（逐帧分析，非常慢  "建议frames大于8时不要使用这个"  ...但是详细）、"batch_frames"（批量分析，快但可能略简单  -其实效果也差不多）或 "auto"（自动选择）
-max_frames = 16 # 最大分析帧数
+frame_extraction_mode = "fixed_number"  # 抽帧模式: "fixed_number" (固定总帧数) 或 "time_interval" (按时间间隔)
+frame_interval_seconds = 2.0  # 按时间间隔抽帧的秒数（仅在 mode = "time_interval" 时生效）
+max_frames = 16 # 最大分析帧数（仅在 mode = "fixed_number" 时生效）
 frame_quality = 80 # 帧图像JPEG质量 (1-100)
 max_image_size = 800 # 单帧最大图像尺寸(像素)
 enable_frame_timing = true # 是否在分析中包含帧的时间信息