threerocks/article2media / skills/video-transcript
video-transcript
Verified视频转文字:把一条视频转成带时间轴的逐字稿文章(article.md + transcript/segments.md)。支持抖音(链接、短链、整段分享口令)、YouTube、B 站链接,本地视频 / 音频(mp4、mov、mp3、m4a、wav…),.srt / .vtt 字幕文件。文字来源依次是人工字幕、平台原语言自动字幕、本地 Whisper 识别;自动转简体、补标点、分段、专有名词提示与纠错。可以单独用,也是"视频转图文 / 视频转小红书"组合的第一步。Use when the user wants a video's subtitles, transcript or text (视频转文字、逐字稿、提取字幕、视频文案、听写这段录音), or gives a Douyin / YouTube / Bilibili link or a video/audio/subtitle file that another article2media skill should work from.
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 3.9 KB |
| agents/openai.yaml | config | 229 B |
| references/video-input.md | markdown | 4.8 KB |
| scripts/doctor.mjsexecutable | script | 813 B |
| scripts/transcribe.mjsexecutable | script | 891 B |
references/video-input.md
View on GitHub# 视频 → 逐字稿文章:细节
`transcribe.mjs` 把视频链接或视频文件转成逐字稿文章 `article.md`,之后改写、翻译、长图、卡片、公众号、口播视频、白板、漫画都照常使用这份文章。
```bash
node ${CLAUDE_SKILL_DIR}/scripts/transcribe.mjs "https://www.bilibili.com/video/BV…"
node ${CLAUDE_SKILL_DIR}/scripts/transcribe.mjs "7.94 复制打开抖音,看看【…】 https://v.douyin.com/…/" # 整段分享口令也行
node ${CLAUDE_SKILL_DIR}/scripts/transcribe.mjs ./talk.mp4 --title "标题" --author "作者"
node ${CLAUDE_SKILL_DIR}/scripts/transcribe.mjs ./talk.srt
```
## 支持的来源
| 来源 | 怎么拿到文字 | 需要 |
|---|---|---|
| 抖音(链接、短链、分享口令) | 移动分享页 → 下载视频(优先无水印地址)→ 本地语音识别;分享页不带数据时改用 yt-dlp | ffmpeg、本地 Whisper;yt-dlp 兜底时要浏览器 cookie |
| YouTube | yt-dlp:人工字幕 → 原语言自动字幕 → 下载音频本地识别 | yt-dlp(新版,支持 JS 校验)、ffmpeg |
| B 站 | yt-dlp:人工字幕 / AI 字幕 → 下载音频本地识别 | yt-dlp、ffmpeg |
| 本地视频 / 音频(mp4、mov、mkv、webm、mp3、m4a、wav…) | ffmpeg 转 16 kHz 音频 → 本地语音识别 | ffmpeg、本地 Whisper |
| `.srt` / `.vtt` 字幕 | 直接解析 | 无 |
本地语音识别用 mlx-whisper 和 whisper-large-v3-turbo(Apple Silicon),速度大约是音频时长的 1/10 到 1/30。`node ${CLAUDE_SKILL_DIR}/scripts/doctor.mjs` 会报告 yt-dlp、ffmpeg、Whisper 是否可用。脚本不会自动安装或下载这些依赖。
## 文字怎么处理
- **字幕轨**:人工字幕优先;自动字幕只要视频原语言那一轨,机器翻译的字幕轨不算逐字稿;B 站弹幕不算字幕。
- **YouTube 自动字幕**:每条都重复上一行,还夹着 10 ms 的过渡条,这些会去掉。
- **清理**:
- 中文统一转简体(内置 OpenCC 字表);
- Whisper 在中文里写的半角标点改成全角;
- 去掉 Whisper 在静音、音乐处编出的固定套话(如「字幕由 Amara.org 社区提供」),连续 3 段以上一模一样的循环只留两段。
- **分段**:
- 在句末停顿(1.2 秒以上)处分段;没有标点时,停顿 2 秒以上才分;太长时强制分段。
- 中文识别结果里用空格表示的停顿改成逗号,段尾补句号。只补标点,不改字。
- **专有名词**:
- `--prompt "人名 术语"`:识别前提示 Whisper;
- `--terms 词表.txt`:识别后替换,每行 `错词=>正词`,其他行当作备忘,不处理。
## 产出
```
article2media-out/<平台>-<id>/
├── article.md # 逐字稿文章:front matter 带 platform(抖音视频 / B 站视频 / YouTube 视频 / 本地视频…)、duration、transcript(文字来源)
├── meta.json # 完整元数据:作者、时长、播放数据、字幕状态、用到的文件
└── transcript/
├── segments.md # 带时间轴的逐句稿,核对用
├── segments.json # 原始分段(重跑时复用,不再识别;--force 重来)
├── raw.txt # 清理前的原文
├── audio.mp3 / subtitle.*.vtt
└── video.mp4 # 只在 --keep-video 时保留,截图用
```
## 写作时注意
- **逐字稿是口语**:改写(article-rewrite)时按写作指南重组,去掉口头禅、重复和自我介绍。原文排版(原文长图、原文卡片、公众号排版)例外,它们保留逐字稿原样。
- **核对识别错误**:人名、作品名、术语最容易错。结合上下文判断,必要时用 `--prompt` / `--terms` 重跑。拿不准的在交付时列出来,不要猜。
- **来源**:写成「内容整理自 <作者> 的<平台>视频《标题》」,加上链接。
- **截图**:用 `--keep-video` 保存的视频截图前,先看有没有平台水印、作者标记、烧录字幕;有的话改用 AI 插画。
## 登录态与边界
- **浏览器 cookie**:有的网络下 YouTube 会要求「登录确认你不是机器人」,抖音分享页有时不带视频数据,这两种情况都需要浏览器 cookie。脚本会给出两个办法:
- 用户明确同意复用本机浏览器状态后,加 `--cookies-from-browser chrome`;
- 请用户把视频保存到本地,直接传文件,再用 `--title`、`--author` 补上标题和作者。
不要自己去读浏览器 cookie,也不要研究平台的私有接口来绕过限制。
- **不能处理的视频**:私密、会员专享、地区限制的视频可能拿不到。
- **使用范围**:逐字稿用于学习、整理和二次创作参考。做成图文或视频发布时要署名、注明来源,不要整段复刻他人作品冒充原创,商用前确认授权。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 470k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |