AlphaMoatによると、2026-10時点で爆款视频拆解器のダウンロード数は12,731、スター数は4で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中2,193位、コンテンツ制作では927件中230位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| SkillHub ↗ | 1.3万 | 4 | — |
プラットフォームごとに集計方法と集計時点が異なります。
AI驱动的短视频拆解工具，支持TikTok/YouTube/B站/抖音/小红书，提供病毒传播评分+可执行优化建议+可复用脚本模板。 AI驱动的短视频拆解工具，支持 TikTok/YouTube/B站/抖音/小红书/Instagram 等平台视频深度分析。 核心功能 🎬 场景检测 — PySceneDetect 自动切分 + 关键帧提取 🎤 语音转文字 — DashScope Paraformer v2，中英双语识别 👁️ AI视觉分析 — Qwen-VL 多模态分析：风格/色彩/构图/文字覆盖 📊 病毒传播评分 — 0-100分 + Hook分析 + 内容结构拆解 🎯 受众画像 — 人口统计/痛点/购买信号 💡 优化建议 — 10+条可执行建议，按优先级排序 📝 脚本模板 — 可复用的爆款脚本框架 🎵 数据洞察 — 最佳时长/发布时间/标签策略/音乐建议 支持平台 TikTok、YouTube、B站、抖音、小红书、Instagram，以及 yt-dlp 支持的所有平台 分析报告 支付后 2-5 分钟生成完整分析报告，包含： - 视频概况（时长/场景数/分辨率/帧率） - 病毒传播评分（0-100）+ 传播因素分析 - Hook 分析（类型/强度/出现时机） - 内容结构拆解（AIDA/PAS/BAB/4U/story_arc） - 视觉分析（风格/能量级别/制作质量/色彩调性） - 优化建议（按 high/medium/low 优先级排序） - 可复用脚本模板 - 数据洞察（最佳时长/发布时间/标签策略） 技术亮点 - 异步任务处理，支付后立即启动后台分析 - 实时进度轮询，用户体验友好 - 分析失败自动退款，零风险 - 美观的 HTML 报告页面，支持移动端 视频分析,爆款拆解,短视频,TikTok,YouTube,B站,抖音,小红书,内容创作,电商营销
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 1.3万 | — | 4 |
| 2026-09 | 2734 | — | 3 |
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹，将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线，确保最终文本通过人工审查。
文章に残る AI らしさを見つけて取り除き、人が書いたように読める文章にします。
【零一数科·出品】视频号爆款短视频拆解（全能版）（付费版）。视频号爆款短视频拆解（付费版：全能）。一键拆解爆款，把一条视频号视频拆成结构分段、爆款归因、六维评分和可借鉴策略，照着学照着抄。支持视频号分享链接和本地视频，付费全能版远端分析，1–5 分钟出可视化 HTML 报告。
【零一数科·出品】视频号挂车爆单短视频脚本生成（付费版）。一条链接二创脚本，丢进爆款视频号链接即以此骨架改写成你的挂车脚本，或按方向/目的/商品原创多条口播脚本（含分段表、口播全文、六维质检评分）。
AI が書いた文章の典型的な痕跡を見つけ、意味を保ったまま自然な文章に書き直す文章編集スキルです。
用于中文公文、事务性材料和新闻稿件的起草、改写、压缩、润色、审校、文种核对、去口语化、降 AI 味及 Word 格式处理，适用于机关、企事业单位、学校和新闻机构。涵盖申请、请示、报告、通知、通告、意见、决定、决议、议案、公报、命令、函、复函、批复、说明、方案、纪要、公告、公示、通报、制度、规定、办法、细则、操作规程、工作要点、总结、调研、讲话、致辞、主持词、述职、可研、审查材料、技术需求、新闻消息、编者按、新闻评论，以及采购、整改、反馈和 AI 算力等场景。
【零一数科·出品】视频号爆款文案生成（体验版）。免费免登录出脚本，给创作目的、行业、受众、选题就按爆款结构（Hook-中段-CTA、节奏标签）产出口播脚本，信息不全也能按爆款潜质兜底。本地运行、无需 Key，零成本上手。
データ月：2026-10 · ダウンロード数とスター数は公開スキルレジストリ（ClawHub、SkillHub）から月単位で集計しています。詳しくはデータの方法論をご覧ください。