以上是演示
原理就是先对视频进行截图，一秒一张，这个可调。然后对其去重，拼接。这里不可求图片相似度，而是求文本相似度，高效且准确。
OCR是百度Paddle2.2，本地调用，论坛上哪位大佬好久以前发的，忘记了
觉得速度不够快，自己加多线程
