video-transcript — 视频台词提取
从B站/YouTube等视频链接提取台词文本，便于后续分析、问答、二次创作。
能力
- 有字幕的视频：直接提取字幕文本，保留时间戳
- 无字幕的视频：自动下载音频 → ASR 语音转写（本地 FunASR 或 SiliconFlow API）
- 本地 ASR：使用本地 FunASR 模型，无需 API Key，隐私更好
- 输出格式：纯文本（带时间戳）或 SRT 字幕格式
- 大文件处理：超过 25MB 的音频自动分段转写
触发词
当用户提到以下意图时使用此技能：
- "提取视频台词"、"提取字幕"、"视频转文字"
- "把视频的文字内容提取出来"、"视频内容转文本"
- "帮我分析这个视频"、"这个视频讲了什么"
- "transcript"、"视频转写"、"语音转文字"
- 用户提供了 B站/YouTube 视频链接并要求提取内容
前置条件
必须安装
- yt-dlp：
pip install yt-dlp - ffmpeg：
pip install imageio-ffmpeg（脚本自动使用内置 ffmpeg，无需系统安装） - Python 依赖：
pip install httpx - funasr（本地 ASR，推荐）：
pip install funasr modelscope
- 安装后首次运行会自动下载模型，或使用本地缓存
- 默认模型缓存路径：~/.cache/modelscope/hub/models/FunAudioLLM/Fun-ASR-Nano-2512/
可选依赖
- B站直链辅助脚本
scripts/bilibili_transcript.py需要：pip install bilibili-api-python requests - 如需指定已有 FunASR Python 环境，设置
VIDEO_TRANSCRIPT_FUNASR_PYTHON - 如需指定本地模型目录，设置
VIDEO_TRANSCRIPT_FUNASR_MODEL_DIR或LOCAL_ASR_MODEL
ASR 后端选择
- 本地 ASR（推荐，默认）：使用本地 FunASR 模型，无需 API Key
- 自动使用 ModelScope 本地缓存，无需重新下载
- 首次使用需安装 funasr：
pip install funasr modelscope - API ASR：使用 SiliconFlow API，需配置 API Key
- 设置
SILICONFLOW_API_KEY环境变量 - 或运行时通过
--api-key参数传入 - 获取地址：https://cloud.siliconflow.cn
B站 Cookie 配置（按需）
B站视频可能触发反爬机制（HTTP 412）。如果公开视频可直接下载，则不需要 Cookie；如果下载失败，再提供浏览器 Cookie。
有两种方式，推荐方式一：
方式一：导出 Cookie 文件（一次性设置，永久有效）
1. 在 Chrome/Edge 打开 B站（www.bilibili.com）并登录
2. 安装扩展：Get cookies.txt LOCALLY
- Chrome 应用商店搜索 "Get cookies.txt LOCALLY"
- 或访问：https://github.com/agarrh/Get-cookies.txt-LOALLY
3. 在 B站页面点击扩展图标 → Export → 保存为 cookies.txt
4. 以后每次使用，传入参数：--cookies cookies.txt
方式二：从浏览器直接读取（每次需关闭浏览器）
# 先关闭 Chrome/Edge，再运行
python scripts/video-transcript.py <B站链接> --cookies-from-browser edge
> 💡 Cookie 文件一次导出后可用数天至数周，过期后重新导出即可。
使用方式
基本用法
请帮我提取这个视频的台词：https://www.bilibili.com/video/BVxxxxxxx
指定格式
请把这个视频的内容提取为SRT字幕格式：https://www.youtube.com/watch?v=xxxxx
指定语言
请帮我提取这个英文视频的台词（语言设为英文）：https://www.youtube.com/watch?v=xxxxx
执行步骤
当用户请求提取视频台词时，按以下步骤执行。不要把用户的 Cookie、API Key 或下载到的音视频文件写入技能目录；临时音频和中间文件应放到系统临时目录或用户指定输出目录。
- 解析链接：确认视频链接类型（B站/YouTube等）
- 判断是否需要 cookie：如果是 B站链接，需要 --cookies 或 --cookies-from-browser 参数
- 安装依赖：如果 yt-dlp 或 ffmpeg 未安装，先安装
- 执行脚本：
python scripts/video-transcript.py <视频链接> --format txt --lang zh --output-dir <输出目录>
B站视频需要加 cookie 参数：
python scripts/video-transcript.py <B站链接> --cookies cookies.txt --format txt --lang zh - 读取结果：读取输出文件内容
- 返回结果：将提取的文本返回给用户
参数说明
--format txt：纯文本格式（默认）--format srt：SRT 字幕格式--lang zh：中文（默认）--lang en：英文--lang auto：自动检测语言--asr-backend local：使用本地 FunASR 模型（默认，推荐）--asr-backend api：使用 SiliconFlow API--asr-backend auto：自动选择（有 API Key 用 API，否则用本地）--local-model <path>：指定本地 FunASR 模型路径--api-key <key>：SiliconFlow API Key--cookies <path>：Cookie 文件路径（Netscape 格式，用于B站）--cookies-from-browser <browser>：从浏览器提取 cookie（chrome/edge/firefox）
输出格式
纯文本格式（txt）
# 视频标题
# 作者: UP主名称
# 时长: 5.2分钟
[00:00 - 00:15] 大家好，今天我们来聊一下这个话题
[00:15 - 00:30] 首先我们要理解一个基本概念
...
SRT 字幕格式（srt）
1
00:00:00,000 --> 00:00:15,000
大家好，今天我们来聊一下这个话题
2
00:00:15,000 --> 00:00:30,000
首先我们要理解一个基本概念
技术架构
视频链接 → yt-dlp 下载 → 尝试提取字幕
↓ 有字幕 → 解析 SRT → 格式化输出
↓ 无字幕 → 下载音频(WAV)
↓ 本地 FunASR（默认）
↓ SiliconFlow API（需 --asr-backend api）
→ 格式化输出
安全与隐私
- 不要把个人 Cookie、API Key、账号信息、下载的视频/音频缓存打包进技能目录或上传到市场。
--cookies只传入用户本机 Cookie 文件路径；不要复制 Cookie 文件内容到对话、日志或技能文件。--api-key仅用于临时运行；更推荐使用SILICONFLOW_API_KEY环境变量。- 本地 ASR 默认只在本机处理音频；API ASR 会把音频片段发送到 SiliconFlow，请在调用前提醒用户。
注意事项
- B站反爬：B站视频可能需要 cookie 才能下载，否则报 HTTP 412 错误。请使用
--cookies或--cookies-from-browser参数 - 本地 ASR（推荐）：默认使用本地 FunASR 模型，无需 API Key，隐私更好
- 首次使用需安装：
pip install funasr modelscope - 会自动使用 ModelScope 本地缓存（
~/.cache/modelscope/） - API ASR：如需使用 SiliconFlow API，需设置
SILICONFLOW_API_KEY并加--asr-backend api参数 - 长视频（超过30分钟）的 ASR 转写需要较长时间，请提醒用户等待
- 输出文件默认保存在临时目录，重要结果请提醒用户保存
未来扩展
- 说话人分离（Speaker Diarization）：识别"谁在说话"
- 实时流式转写
- 多语言混合识别
- 视频关键帧提取配合文本分析
