Video-to-Text Batch Skill
批量视频转文本自动化工具，基于 faster-whisper 本地离线处理，无需联网、无文件大小限制。
触发词
- 视频转文字
- 视频转文本
- 批量转录视频
- 音视频转录
- 视频生成字幕
功能
- 递归扫描指定目录下的所有视频文件（mp4/mov/avi/mkv/wmv/flv 等）
- 自动提取音频并用 faster-whisper 转录为文字
- 支持 TXT / SRT / JSON 三种输出格式
- 断点续传：已转录的视频自动跳过
- 可选：转录成功后自动删除原视频
快速使用
前置依赖
- Python 3.10+
- ffmpeg (
winget install Gyan.FFmpeg)
安装
cd C:\Users\19586\WorkBuddy\2026-06-04-08-12-12
.\setup.ps1
转录命令
# 激活虚拟环境
.venv\Scripts\Activate.ps1
# 基础转录（输出 txt + srt + json）
python video_transcribe.py "F:\IMA知识库上传"
# 仅输出文本
python video_transcribe.py "F:\IMA知识库上传" -f txt
# 转录后删除原视频（⚠️ 谨慎使用）
python video_transcribe.py "F:\IMA知识库上传" --delete-video
# 仅扫描不转录
python video_transcribe.py "F:\IMA知识库上传" --dry-run
# 不递归子文件夹
python video_transcribe.py "F:\IMA知识库上传" --no-recursive
参数说明
| 参数 | 说明 |
|---|---|
-m large-v3 |
模型大小（tiny/base/small/medium/large/large-v3） |
-d cuda |
强制使用 GPU（默认 auto 自动检测） |
-l zh |
指定语言（zh/en/ja/ko） |
-f all |
输出格式（txt/srt/json/all） |
--delete-video |
转录后删除原视频 |
--dry-run |
仅扫描，不执行 |
模型选择建议
| 模型 | 速度 | 准确率 | 显存需求 | 适用场景 |
|---|---|---|---|---|
| tiny | 最快 | 一般 | ~1GB | 快速预览 |
| base | 快 | 较好 | ~1GB | 英语内容 |
| small | 中等 | 良好 | ~2GB | 平衡选择 |
| medium | 较慢 | 很好 | ~5GB | 中文推荐 |
| large-v3 | 最慢 | 最佳 | ~10GB | 精度优先 |
开源替代方案对比
| 项目 | 引擎 | 特点 | 适合 |
|---|---|---|---|
| 本方案 | faster-whisper | 简单脚本，一键批量 | 本地大量视频 |
| bx6xb/video-to-text | faster-whisper | Windows右键菜单 | 日常零散视频 |
| Acclerate/video-transcriber | SenseVoice | Web界面，中文优化95%+ | 需要GUI和API |
| bili2text | Whisper | B站专用 | B站视频下载转录 |
注意事项
- 首次运行会自动下载模型（large-v3 约 3GB）
- CPU 运行较慢，有 NVIDIA GPU 建议用 CUDA 加速
- 转录前建议先用
--dry-run查看视频列表 --delete-video不可逆，建议先备份
