Skip to content
Back to search

video-to-subtitle-summary

Use when user provides a short video platform URL or local video/audio file and wants subtitles/AI summary, or when user asks to list their own AI Douyin historical tasks. Triggers on v.douyin.com, xhslink.com, bilibili.com, b23.tv, YouTube URLs, local .mp4/.mp3/.wav files, or task history requests.

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/imlewc--video-to-subtitle-summary-skill/badge.svg)](/listings/imlewc--video-to-subtitle-summary-skill)

HTML

<a href="/listings/imlewc--video-to-subtitle-summary-skill"><img src="/api/listings/imlewc--video-to-subtitle-summary-skill/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

Install instructions from the README

As written by the repo's author. findsafeskills has not verified these steps.

# macOS
brew install ffmpeg

# Ubuntu / Debian
sudo apt install ffmpeg

# Windows (使用 Chocolatey)
choco install ffmpeg

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 582 lines
  1. ---
  2. name: video-to-subtitle-summary
  3. description: Use when user provides a short video platform URL or local video/audio file and wants subtitles/AI summary, or when user asks to list their own AI Douyin historical tasks. Triggers on v.douyin.com, xhslink.com, bilibili.com, b23.tv, YouTube URLs, local .mp4/.mp3/.wav files, or task history requests.
  4. args: <video_url_or_file_path> - 视频链接(抖音/小红书/B站等)或本地视频/音频文件路径(必需)
  5. ---
  6. # 视频转字幕与 AI 总结技能
  7. ## Overview
  8. 将短视频平台(抖音、小红书、B 站、YouTube 等)视频或本地视频/音频文件转换为字幕文本并生成 AI 摘要。
  9. **核心流程:**
  10. - **在线视频:** 获取视频信息 → 下载视频/直接抓字幕 → 选择字幕后端 → 生成字幕 → AI 总结
  11. - **本地文件:** 提取音频(如需) → 选择字幕后端 → 生成字幕 → AI 总结
  12. 默认使用本地 `faster-whisper`,也支持通过环境变量切换到火山引擎 VC API。
  13. YouTube 优先使用 `yt-dlp` 直接抓取人工字幕或自动字幕;只有没有可用字幕时,才需要下载音视频并回退到 ASR。
  14. ## When to Use
  15. - 用户提供短视频平台链接(抖音、小红书、B 站、YouTube 等),要求提取字幕或生成总结
  16. - 用户提供本地视频/音频文件路径,要求转字幕或生成总结
  17. - 用户要求查看自己的 AI Douyin 历史任务、最近任务、任务列表
  18. - 需要将视频内容转为文字
  19. **不适用于:** 实时语音识别、直播字幕
  20. ## 外部依赖
  21. | 依赖 | 用途 | 必需 |
  22. | --- | --- | --- |
  23. | **AI Douyin API Key** | 推荐的视频解析/下载代理;注册后可用免费额度,成功解析下载直链后扣 10 积分 | 仅抖音/小红书/B 站需要 |
  24. | **TikHub API** | 可选高级/自托管方案:使用自己的 TikHub Token 直接解析 | 可选 |
  25. | **Python 3.9+** | 运行 `faster-whisper` helper | 仅 `ASR_BACKEND=faster-whisper` 时需要 |
  26. | **faster-whisper** | 本地语音转文字 | 仅 `ASR_BACKEND=faster-whisper` 时需要 |
  27. | **字节跳动 VC API** | 云端语音转文字 | 仅 `ASR_BACKEND=volcengine` 时需要 |
  28. | **FFmpeg** | 从视频提取音频 | ✅(音频文件可跳过) |
  29. | **yt-dlp** | 下载 B 站视频;抓取 YouTube 字幕 | 仅 B 站或 YouTube 需要 |
  30. | **jq** | 解析 AI Douyin/TikHub JSON 响应 | 在线视频模式需要 |
  31. ## 环境变量
  32. 通过环境变量读取,支持以下任意方式配置:
  33. **方式一:.env 文件(推荐)** — 在 skill 目录下创建 `.env` 文件:
  34. ```bash
  35. ASR_BACKEND="faster-whisper"
  36. VIDEO_INFO_PROVIDER="ai-douyin"
  37. AI_DOUYIN_API_BASE="https://top9.cc"
  38. AI_DOUYIN_API_KEY="your_ai_douyin_api_key"
  39. TIKHUB_TOKEN=""
  40. FW_MODEL_SIZE="small"
  41. FW_DEVICE="auto"
  42. FW_COMPUTE_TYPE=""
  43. FW_PYTHON=""
  44. BYTEDANCE_VC_TOKEN="your_token"
  45. BYTEDANCE_VC_APPID="your_appid"
  46. ```
  47. **方式二:Shell 配置** — 添加到 `~/.zshrc` 或 `~/.bashrc`:
  48. ```bash
  49. export ASR_BACKEND="faster-whisper"
  50. export VIDEO_INFO_PROVIDER="ai-douyin"
  51. export AI_DOUYIN_API_BASE="https://top9.cc"
  52. export AI_DOUYIN_API_KEY="your_ai_douyin_api_key"
  53. export TIKHUB_TOKEN=""
  54. export FW_MODEL_SIZE="small"
  55. export FW_DEVICE="auto"
  56. export FW_COMPUTE_TYPE=""
  57. export FW_PYTHON=""
  58. export BYTEDANCE_VC_TOKEN="your_token"
  59. export BYTEDANCE_VC_APPID="your_appid"
  60. ```
  61. 说明:
  62. - `ASR_BACKEND`:可选,默认 `faster-whisper`
  63. - `VIDEO_INFO_PROVIDER`:可选,默认 `ai-douyin`;可改为 `tikhub` 使用自有 TikHub Token
  64. - `AI_DOUYIN_API_BASE` / `AI_DOUYIN_API_KEY`:推荐的视频解析代理;抖音/小红书/B 站需要;YouTube 不需要
  65. - `TIKHUB_TOKEN`:可选高级/自托管方案;当 `VIDEO_INFO_PROVIDER=tikhub` 时需要
  66. - `FW_MODEL_SIZE` / `FW_DEVICE` / `FW_COMPUTE_TYPE`:仅 `faster-whisper` 后端使用
  67. - `FW_PYTHON`:可选,指定安装了 `faster-whisper` 的 Python;留空时优先使用安装 helper 创建的默认 venv,再回退系统 `python3`
  68. - `BYTEDANCE_VC_TOKEN` / `BYTEDANCE_VC_APPID`:仅 `volcengine` 后端使用
  69. > 安装与运行时说明见 [AI Douyin 配置指南](./docs/ai-douyin-setup.md)、[TikHub 申请指南](./docs/tikhub-setup.md)、[faster-whisper 安装指南](./docs/faster-whisper-setup.md) 和 [火山引擎开通指南](./docs/bytedance-vc-setup.md)
  70. ## 执行步骤
  71. ### 步骤 0:判断输入类型
  72. 根据用户输入判断处理模式:
  73. - **在线视频模式**:输入为 URL
  74. - **抖音/TikTok**:`douyin.com`、`v.douyin.com`、`tiktok.com`
  75. - **小红书**:`xiaohongshu.com`、`xhslink.com`
  76. - **B 站**:`bilibili.com`、`b23.tv`
  77. - **YouTube**:`youtube.com`、`youtu.be`
  78. - **本地文件模式**:输入为本地文件路径
  79. - 本地**视频**文件(`.mp4`、`.mov`、`.avi`、`.mkv` 等)→ 从步骤 3(提取音频)开始
  80. - 本地**音频**文件(`.mp3`、`.wav`、`.m4a`、`.flac` 等)→ 跳过步骤 3,直接从步骤 4(转写)开始
  81. ### 步骤 0.5:读取后端配置
  82. 先读取 `ASR_BACKEND`,未配置时默认使用 `faster-whisper`:
  83. ```bash
  84. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  85. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  86. ENV_FILE="$SKILL_DIR/.env"
  87. read_env() {
  88. local key="$1"
  89. if [ -f "$ENV_FILE" ]; then
  90. grep "^${key}=" "$ENV_FILE" | head -1 | cut -d'=' -f2- | tr -d '"' | tr -d "'"
  91. else
  92. printenv "$key"
  93. fi
  94. }
  95. ASR_BACKEND="$(read_env ASR_BACKEND)"
  96. [ -z "$ASR_BACKEND" ] && ASR_BACKEND="faster-whisper"
  97. echo "ASR_BACKEND=$ASR_BACKEND"
  98. ```
  99. 支持值:
  100. - `faster-whisper`
  101. - `volcengine`
  102. ### 步骤 0.6:环境检查(必须首先执行)
  103. 在开始任何处理之前,先检查当前模式和当前字幕后端需要的依赖。
  104. ```bash
  105. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  106. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  107. ENV_FILE="$SKILL_DIR/.env"
  108. read_env() {
  109. local key="$1"
  110. if [ -f "$ENV_FILE" ]; then
  111. grep "^${key}=" "$ENV_FILE" | head -1 | cut -d'=' -f2- | tr -d '"' | tr -d "'"
  112. else
  113. printenv "$key"
  114. fi
  115. }
  116. ASR_BACKEND="$(read_env ASR_BACKEND)"
  117. [ -z "$ASR_BACKEND" ] && ASR_BACKEND="faster-whisper"
  118. VIDEO_INFO_PROVIDER="$(read_env VIDEO_INFO_PROVIDER)"
  119. [ -z "$VIDEO_INFO_PROVIDER" ] && VIDEO_INFO_PROVIDER="ai-douyin"
  120. AI_DOUYIN_API_BASE="$(read_env AI_DOUYIN_API_BASE)"
  121. [ -z "$AI_DOUYIN_API_BASE" ] && AI_DOUYIN_API_BASE="https://top9.cc"
  122. AI_DOUYIN_API_KEY="$(read_env AI_DOUYIN_API_KEY)"
  123. TIKHUB_TOKEN="$(read_env TIKHUB_TOKEN)"
  124. BYTEDANCE_VC_TOKEN="$(read_env BYTEDANCE_VC_TOKEN)"
  125. BYTEDANCE_VC_APPID="$(read_env BYTEDANCE_VC_APPID)"
  126. FW_PYTHON="$(read_env FW_PYTHON)"
  127. [ -z "$FW_PYTHON" ] && [ -x "$HOME/.cache/video-to-subtitle-summary/faster-whisper-venv/bin/python" ] && FW_PYTHON="$HOME/.cache/video-to-subtitle-summary/faster-whisper-venv/bin/python"
  128. [ -z "$FW_PYTHON" ] && FW_PYTHON="python3"
  129. MISSING=""
  130. if [ "{INPUT_MODE}" = "url" ]; then
  131. if [ "{PLATFORM}" = "douyin" ] || [ "{PLATFORM}" = "xiaohongshu" ] || [ "{PLATFORM}" = "bilibili" ]; then
  132. if [ "$VIDEO_INFO_PROVIDER" = "ai-douyin" ]; then
  133. [ -z "$AI_DOUYIN_API_KEY" ] && MISSING="$MISSING AI_DOUYIN_API_KEY"
  134. elif [ "$VIDEO_INFO_PROVIDER" = "tikhub" ]; then
  135. [ -z "$TIKHUB_TOKEN" ] && MISSING="$MISSING TIKHUB_TOKEN"
  136. else
  137. MISSING="$MISSING invalid_VIDEO_INFO_PROVIDER"
  138. fi
  139. fi
  140. if [ "$VIDEO_INFO_PROVIDER" = "ai-douyin" ] || [ "$VIDEO_INFO_PROVIDER" = "tikhub" ]; then
  141. command -v jq >/dev/null 2>&1 || MISSING="$MISSING jq"
  142. fi
  143. if [ "{PLATFORM}" = "bilibili" ] || [ "{PLATFORM}" = "youtube" ]; then
  144. command -v yt-dlp >/dev/null 2>&1 || MISSING="$MISSING yt-dlp"
  145. fi
  146. fi
  147. if [ "{NEEDS_FFMPEG}" = "yes" ] && [ "{PLATFORM}" != "youtube" ]; then
  148. command -v ffmpeg >/dev/null 2>&1 || MISSING="$MISSING ffmpeg"
  149. fi
  150. if [ "$ASR_BACKEND" = "faster-whisper" ]; then
  151. command -v "$FW_PYTHON" >/dev/null 2>&1 || [ -x "$FW_PYTHON" ] || MISSING="$MISSING FW_PYTHON"
  152. "$FW_PYTHON" - <<'PY' >/dev/null 2>&1 || MISSING="$MISSING faster-whisper"
  153. import faster_whisper
  154. import ctranslate2
  155. PY
  156. elif [ "$ASR_BACKEND" = "volcengine" ]; then
  157. [ -z "$BYTEDANCE_VC_TOKEN" ] && MISSING="$MISSING BYTEDANCE_VC_TOKEN"
  158. [ -z "$BYTEDANCE_VC_APPID" ] && MISSING="$MISSING BYTEDANCE_VC_APPID"
  159. else
  160. MISSING="$MISSING invalid_ASR_BACKEND"
  161. fi
  162. if [ -n "$MISSING" ]; then
  163. echo "ERROR: 缺少必需依赖或配置:$MISSING"
  164. echo "ASR_BACKEND=$ASR_BACKEND VIDEO_INFO_PROVIDER=$VIDEO_INFO_PROVIDER"
  165. echo "ASR_BACKEND 可选值: faster-whisper / volcengine"
  166. echo "VIDEO_INFO_PROVIDER 可选值: ai-douyin / tikhub"
  167. exit 1
  168. else
  169. echo "OK: 运行依赖已就绪 (ASR_BACKEND=$ASR_BACKEND)"
  170. fi
  171. ```
  172. 如果检查失败:
  173. - `ASR_BACKEND=faster-whisper`:优先运行 `python3 "$SKILL_DIR/scripts/install_faster_whisper.py"`,或参考 [docs/faster-whisper-setup.md](./docs/faster-whisper-setup.md)
  174. - `ASR_BACKEND=volcengine`:参考 [docs/bytedance-vc-setup.md](./docs/bytedance-vc-setup.md)
  175. - `AI_DOUYIN_API_KEY`:注册 [AI Douyin](https://top9.cc) 领取免费额度并创建 API Key;余额不足时充值积分,或改用 `VIDEO_INFO_PROVIDER=tikhub` + `TIKHUB_TOKEN`
  176. ### 步骤 1:获取视频信息/下载直链(仅在线视频模式)
  177. 根据 URL 域名识别平台:
  178. | 平台 | URL 特征 | 默认处理方式 |
  179. | --- | --- | --- |
  180. | 抖音/TikTok | `douyin.com`、`v.douyin.com`、`tiktok.com` | `AI Douyin` 代理解析下载直链;可选 TikHub |
  181. | 小红书 | `xiaohongshu.com`、`xhslink.com` | `AI Douyin` 代理解析下载直链;可选 TikHub |
  182. | B 站 | `bilibili.com`、`b23.tv` | `AI Douyin` 代理解析下载直链;必要时可回退 `yt-dlp` |
  183. | YouTube | `youtube.com`、`youtu.be` | 不调用 AI Douyin/TikHub,直接进入步骤 2 抓字幕 |
  184. #### 默认推荐:AI Douyin 代理
  185. AI Douyin 适合不想单独注册 TikHub 的用户。注册 [https://top9.cc](https://top9.cc) 后领取免费额度并创建 API Key,成功解析下载直链后扣 10 积分;失败不扣。余额不足时接口返回 HTTP `402` / `insufficient balance`。
  186. ```bash
  187. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  188. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  189. ENV_FILE="$SKILL_DIR/.env"
  190. read_env() {
  191. local key="$1"
  192. if [ -f "$ENV_FILE" ]; then
  193. grep "^${key}=" "$ENV_FILE" | head -1 | cut -d'=' -f2- | tr -d '"' | tr -d "'"
  194. else
  195. printenv "$key"
  196. fi
  197. }
  198. AI_DOUYIN_API_BASE="$(read_env AI_DOUYIN_API_BASE)"
  199. [ -z "$AI_DOUYIN_API_BASE" ] && AI_DOUYIN_API_BASE="https://top9.cc"
  200. AI_DOUYIN_API_KEY="$(read_env AI_DOUYIN_API_KEY)"
  201. # API Base 支持填 https://top9.cc 或 https://top9.cc/api/v1
  202. case "$AI_DOUYIN_API_BASE" in
  203. */api/v1) AI_DOUYIN_DOWNLOAD_URL_ENDPOINT="$AI_DOUYIN_API_BASE/video/download-url" ;;
  204. */api) AI_DOUYIN_DOWNLOAD_URL_ENDPOINT="$AI_DOUYIN_API_BASE/v1/video/download-url" ;;
  205. *) AI_DOUYIN_DOWNLOAD_URL_ENDPOINT="${AI_DOUYIN_API_BASE%/}/api/v1/video/download-url" ;;
  206. esac
  207. curl -sS -w '\n%{http_code}' -X POST "$AI_DOUYIN_DOWNLOAD_URL_ENDPOINT" \
  208. -H "X-API-Key: $AI_DOUYIN_API_KEY" \
  209. -H "Content-Type: application/json" \
  210. -d "$(jq -n --arg url "{ORIGINAL_URL}" '{url: $url}')" \
  211. > /tmp/video_analysis/download_url_response.txt
  212. HTTP_CODE=$(tail -n1 /tmp/video_analysis/download_url_response.txt)
  213. sed '$d' /tmp/video_analysis/download_url_response.txt > /tmp/video_analysis/download_url.json
  214. if [ "$HTTP_CODE" = "402" ]; then
  215. echo "ERROR: AI Douyin 余额不足(insufficient balance)。请到 https://top9.cc 购买积分,或改用 VIDEO_INFO_PROVIDER=tikhub + TIKHUB_TOKEN。"
  216. exit 1
  217. elif [ "$HTTP_CODE" = "401" ]; then
  218. echo "ERROR: AI Douyin API Key 缺失或无效。请检查 AI_DOUYIN_API_KEY。"
  219. exit 1
  220. elif [ "$HTTP_CODE" -lt 200 ] || [ "$HTTP_CODE" -ge 300 ]; then
  221. echo "ERROR: AI Douyin 解析失败 (HTTP $HTTP_CODE)"
  222. cat /tmp/video_analysis/download_url.json
  223. exit 1
  224. fi
  225. VIDEO_URL=$(jq -r '.download_url // empty' /tmp/video_analysis/download_url.json)
  226. VIDEO_URL_COUNT=$(jq -r '(.download_urls // [.download_url] | map(select(. != null and . != "")) | length)' /tmp/video_analysis/download_url.json)
  227. EXTRACTED_URL=$(jq -r '.extracted_url // empty' /tmp/video_analysis/download_url.json)
  228. DOWNLOAD_COST=$(jq -r '.cost // 10' /tmp/video_analysis/download_url.json)
  229. [ -z "$VIDEO_URL" ] && echo "ERROR: 未返回 download_url" && cat /tmp/video_analysis/download_url.json && exit 1
  230. ```
  231. 提取关键字段:
  232. ```bash
  233. jq '{download_url, download_urls_count: (.download_urls // [] | length), extracted_url, cost}' /tmp/video_analysis/download_url.json
  234. ```
  235. #### 可选视频接口获取方案:自有 TikHub Token
  236. 当 `VIDEO_INFO_PROVIDER=tikhub` 时,使用自己的 TikHub Token 直接解析。注意不要把真实 Token 写入日志或回复。
  237. **抖音/TikTok:**
  238. ```bash
  239. curl -s -X GET "https://api.tikhub.io/api/v1/hybrid/video_data?url={ENCODED_URL}&minimal=true" \
  240. -H "Authorization: Bearer your_tikhub_api_token" \
  241. -H "Accept: application/json"
  242. ```
  243. 优先提取无水印地址:
  244. ```bash
  245. jq -r '.data.video_data.nwm_video_url // .data.video.play_addr.url_list[0] // empty'
  246. ```
  247. **小红书:**
  248. ```bash
  249. curl -s -X GET "https://api.tikhub.io/api/v1/xiaohongshu/web/get_note_info_v7?share_text={ENCODED_URL}" \
  250. -H "Authorization: Bearer your_tikhub_api_token" \
  251. -H "Accept: application/json"
  252. ```
  253. **B 站:**
  254. ```bash
  255. curl -s -X GET "https://api.tikhub.io/api/v1/bilibili/web/fetch_one_video_v3?url={ENCODED_URL}" \
  256. -H "Authorization: Bearer your_tikhub_api_token" \
  257. -H "Accept: application/json"
  258. ```
  259. > B 站如未获得可下载直链,可在步骤 2 中使用 `yt-dlp` 下载。
  260. ### 步骤 1.5:查询用户自己的 AI Douyin 历史任务(按需)
  261. 当用户要求查看自己的历史 task / 最近任务 / 任务列表时,调用 AI Douyin 的 `GET /api/v1/tasks`。该接口使用 `X-API-Key` 认证,只返回当前 API Key 对应用户自己的任务。
  262. ```bash
  263. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  264. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  265. python3 "$SKILL_DIR/scripts/list_ai_douyin_tasks.py" \
  266. --page 1 \
  267. --page-size 20
  268. ```
  269. 可选筛选:
  270. ```bash
  271. python3 "$SKILL_DIR/scripts/list_ai_douyin_tasks.py" --status completed --page 1 --page-size 10
  272. python3 "$SKILL_DIR/scripts/list_ai_douyin_tasks.py" --search "关键词" --json
  273. ```
  274. 脚本默认读取 `$SKILL_DIR/.env` 或环境变量中的 `AI_DOUYIN_API_BASE` / `AI_DOUYIN_API_KEY`。输出给用户时不要展示真实 API Key。
  275. ### 步骤 2:下载视频(仅在线视频模式)
  276. 根据平台使用不同的下载方式:
  277. **YouTube(优先直接抓字幕,不下载视频):**
  278. ```bash
  279. mkdir -p /tmp/video_analysis/{VIDEO_ID}
  280. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  281. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  282. python3 "$SKILL_DIR/scripts/download_youtube_subtitles.py" \
  283. "https://www.youtube.com/watch?v={VIDEO_ID}" \
  284. --output-dir /tmp/video_analysis/{VIDEO_ID} \
  285. --languages zh-Hans,zh-Hant,zh,en
  286. ```
  287. 输出文件固定为:
  288. - `/tmp/video_analysis/{VIDEO_ID}/subtitle.srt`
  289. - `/tmp/video_analysis/{VIDEO_ID}/text.txt`
  290. 如果命令提示没有可用字幕,再使用 `yt-dlp` 下载音频或视频,并从步骤 3 继续走 `ASR_BACKEND`。
  291. **抖音 / TikTok / 小红书 / B 站(已有 `VIDEO_URL` 下载直链时):**
  292. ```bash
  293. mkdir -p /tmp/video_analysis/{VIDEO_ID}
  294. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  295. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  296. python3 "$SKILL_DIR/scripts/download_video_candidates.py" \
  297. --response-json /tmp/video_analysis/download_url.json \
  298. --output /tmp/video_analysis/{VIDEO_ID}/video.mp4 \
  299. --timeout 30
  300. ```
  301. **B 站(没有下载直链时回退):**
  302. ```bash
  303. mkdir -p /tmp/video_analysis/{BVID}
  304. yt-dlp -o /tmp/video_analysis/{BVID}/video.mp4 "https://www.bilibili.com/video/{BVID}/"
  305. ```
  306. ### 步骤 3:提取音频(本地音频文件可跳过)
  307. > 本地文件模式下,如果输入是本地视频文件,将 `{VIDEO_ID}` 替换为文件名(不含扩展名),输入路径替换为实际视频路径。
  308. ```bash
  309. ffmpeg -i /tmp/video_analysis/{VIDEO_ID}/video.mp4 -q:a 0 -map a -y /tmp/video_analysis/{VIDEO_ID}/audio.mp3
  310. ```
  311. ### 步骤 4:根据 `ASR_BACKEND` 选择字幕后端
  312. 如果平台是 YouTube 且步骤 2 已成功生成 `subtitle.srt` 和 `text.txt`,跳过本步骤,直接进入步骤 5 总结。
  313. #### 方案 A:`ASR_BACKEND=faster-whisper`(默认)
  314. helper 路径:
  315. ```bash
  316. $SKILL_DIR/scripts/transcribe_faster_whisper.py
  317. ```
  318. 执行命令:
  319. ```bash
  320. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  321. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  322. FW_PYTHON="${FW_PYTHON:-$HOME/.cache/video-to-subtitle-summary/faster-whisper-venv/bin/python}"
  323. [ -x "$FW_PYTHON" ] || FW_PYTHON="python3"
  324. "$FW_PYTHON" "$SKILL_DIR/scripts/transcribe_faster_whisper.py" \
  325. /tmp/video_analysis/{VIDEO_ID}/audio.mp3 \
  326. --output-dir /tmp/video_analysis/{VIDEO_ID}
  327. ```
  328. 说明:
  329. - helper 会自动读取 `FW_MODEL_SIZE`、`FW_DEVICE`、`FW_COMPUTE_TYPE`
  330. - 当 `FW_DEVICE=auto` 时,只有检测到 NVIDIA/CUDA 才会使用 `device="cuda"`
  331. - 输出文件固定为:
  332. - `/tmp/video_analysis/{VIDEO_ID}/subtitle.srt`
  333. - `/tmp/video_analysis/{VIDEO_ID}/text.txt`
  334. #### 方案 B:`ASR_BACKEND=volcengine`
  335. 提交任务:
  336. ```bash
  337. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  338. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  339. ENV_FILE="$SKILL_DIR/.env"
  340. if [ -f "$ENV_FILE" ]; then
  341. BYTEDANCE_VC_TOKEN=$(grep "^BYTEDANCE_VC_TOKEN=" "$ENV_FILE" | cut -d'=' -f2- | tr -d '"' | tr -d "'")
  342. BYTEDANCE_VC_APPID=$(grep "^BYTEDANCE_VC_APPID=" "$ENV_FILE" | cut -d'=' -f2- | tr -d '"' | tr -d "'")
  343. else
  344. BYTEDANCE_VC_TOKEN="$BYTEDANCE_VC_TOKEN"
  345. BYTEDANCE_VC_APPID="$BYTEDANCE_VC_APPID"
  346. fi
  347. curl -s -X POST "https://openspeech.bytedance.com/api/v1/vc/submit?appid=$BYTEDANCE_VC_APPID&language=zh-CN&words_per_line=20&max_lines=2" \
  348. -H "Content-Type: audio/mpeg" \
  349. -H "Authorization: Bearer;$BYTEDANCE_VC_TOKEN" \
  350. --data-binary @/tmp/video_analysis/{VIDEO_ID}/audio.mp3
  351. ```
  352. 轮询结果:
  353. ```bash
  354. SKILL_DIR="${SKILL_DIR:-$HOME/.codex/skills/video-to-subtitle-summary}"
  355. [ -d "$SKILL_DIR" ] || SKILL_DIR="$HOME/.claude/skills/video-to-subtitle-summary"
  356. ENV_FILE="$SKILL_DIR/.env"
  357. if [ -f "$ENV_FILE" ]; then
  358. BYTEDANCE_VC_TOKEN=$(grep "^BYTEDANCE_VC_TOKEN=" "$ENV_FILE" | cut -d'=' -f2- | tr -d '"' | tr -d "'")
  359. BYTEDANCE_VC_APPID=$(grep "^BYTEDANCE_VC_APPID=" "$ENV_FILE" | cut -d'=' -f2- | tr -d '"' | tr -d "'")
  360. else
  361. BYTEDANCE_VC_TOKEN="$BYTEDANCE_VC_TOKEN"
  362. BYTEDANCE_VC_APPID="$BYTEDANCE_VC_APPID"
  363. fi
  364. curl -s "https://openspeech.bytedance.com/api/v1/vc/query?appid=$BYTEDANCE_VC_APPID&id={TASK_ID}" \
  365. -H "Authorization: Bearer;$BYTEDANCE_VC_TOKEN"
  366. ```
  367. 结果处理:
  368. ```bash
  369. jq -r '.utterances[].text' subtitle.json | tr '\n' ' ' > /tmp/video_analysis/{VIDEO_ID}/text.txt
  370. ```
  371. 生成 SRT:
  372. ```python
  373. import json
  374. with open('subtitle.json', 'r') as f:
  375. data = json.load(f)
  376. def ms_to_srt(ms):
  377. h, m, s, millis = ms//3600000, (ms%3600000)//60000, (ms%60000)//1000, ms%1000
  378. return f"{h:02d}:{m:02d}:{s:02d},{millis:03d}"
  379. with open('/tmp/video_analysis/{VIDEO_ID}/subtitle.srt', 'w') as f:
  380. for i, u in enumerate(data['utterances'], 1):
  381. f.write(f"{i}\n{ms_to_srt(u['start_time'])} --> {ms_to_srt(u['end_time'])}\n{u['text']}\n\n")
  382. ```
  383. ### 步骤 5:AI 生成总结
  384. 直接由 Claude 完成,无需调用第三方总结 API。
  385. 读取 `text.txt` 后生成。
  386. 总结时应一并提供以下上下文:
  387. - **原视频标题**:如果是在线视频,优先使用平台返回的原始标题字段
  388. - 抖音/TikTok:优先 `desc`
  389. - 小红书:优先 `title`
  390. - B 站:优先 `title`
  391. - **兜底标题**:如果没有明确标题,可使用文件名或视频 ID 作为参考标识
  392. - **字幕说明**:明确告诉 Claude,正文可能来自 YouTube 字幕、自动字幕或语音识别,可能存在同音字、断句、专有名词识别错误;在不偏离原意的前提下,可以结合原视频标题和上下文做适度修正
  393. 推荐直接使用如下提示方式:
  394. ```text
  395. 以下是一个视频的分析素材,请基于这些信息生成总结:
  396. 原视频标题:{ORIGINAL_TITLE}
  397. 来源平台:{PLATFORM}
  398. 作者:{AUTHOR}
  399. 说明:下面的正文来自平台字幕、自动字幕或语音识别,可能存在少量识别误差、断句问题或专有名词错误。请以原视频标题和上下文为参考,在不改变原意的前提下做适度修正,再完成总结。
  400. 语音识别文本:
  401. {TEXT_CONTENT}
  402. 请输出:
  403. 1. AI生成标题:简洁概括,不超过30字;可以参考原视频标题,但不要机械照抄,必要时可根据正文纠正明显错误
  404. 2. AI摘要:提炼主要观点和关键信息,200-300字
  405. 3. 核心要点:输出3-5条结构化要点
  406. ```
  407. 如果原视频标题与正文明显冲突:
  408. - 优先以正文主旨为准
  409. - 保留“可能因语音识别存在误差”的判断,不要凭空补充未出现的信息
  410. 1. **标题**:简洁概括,不超过 30 字
  411. 2. **摘要**:主要观点和关键信息,200-300 字
  412. 3. **要点**:核心观点的结构化列表
  413. ## 输出格式
  414. ```markdown
  415. ## 视频分析结果
  416. ### 视频信息
  417. | 项目 | 内容 |
  418. | --- | --- |
  419. | 视频ID | xxx |
  420. | 作者 | xxx |
  421. | 时长 | xxx |
  422. ### AI生成标题
  423. xxx
  424. ### AI摘要
  425. xxx
  426. ### 核心要点
  427. 1. xxx
  428. 2. xxx
  429. ### 生成文件
  430. - 视频: /tmp/video_analysis/{ID}/video.mp4
  431. - 音频: /tmp/video_analysis/{ID}/audio.mp3
  432. - SRT字幕: /tmp/video_analysis/{ID}/subtitle.srt
  433. - 纯文本: /tmp/video_analysis/{ID}/text.txt
  434. ```
  435. ## 常见问题
  436. | 问题 | 解决方案 |
  437. | --- | --- |
  438. | **缺少环境变量** | 先确认 `ASR_BACKEND`;抖音/小红书/B站默认需要 `AI_DOUYIN_API_KEY`,自有 TikHub 模式需要 `TIKHUB_TOKEN`;火山后端需要 `BYTEDANCE_VC_TOKEN` 和 `BYTEDANCE_VC_APPID` |
  439. | `ASR_BACKEND` 无效 | 只支持 `faster-whisper` 和 `volcengine` |
  440. | `faster-whisper` 导入失败 | 执行 `python3 "$SKILL_DIR/scripts/install_faster_whisper.py"`,安装 helper 会先测速 PyPI 镜像并创建独立 venv;自定义 venv 时设置 `FW_PYTHON=/path/to/venv/bin/python` |
  441. | 火山 API 认证失败 | Authorization 必须是 `Bearer;token`(分号无空格) |
  442. | 首次运行较慢 | `faster-whisper` 首次会下载模型,等待下载完成后重试 |
  443. | CUDA 环境不可用 | `FW_DEVICE=auto` 会自动回退到 CPU;只有 NVIDIA/CUDA 才走 GPU |
  444. | 视频下载失败 | AI Douyin 返回 401 时检查 API Key;402 时充值积分或切换 TikHub;直链下载加 `User-Agent`;B 站可回退 `yt-dlp` |
  445. | FFmpeg 找不到 | macOS: `brew install ffmpeg` / Linux: `sudo apt install ffmpeg` / Windows: `choco install ffmpeg` |
  446. | yt-dlp 找不到 | macOS: `brew install yt-dlp` / 通用: `python3 -m pip install -U yt-dlp`(B 站 / YouTube 需要) |
README.md · README · 332 lines
  1. # video-to-subtitle-summary
  2. 一个 Codex / Claude Code Skill,自动将短视频平台(抖音、小红书、B 站、YouTube 等)视频或本地视频/音频文件转换为字幕文本并生成 AI 摘要。
  3. **核心流程:**
  4. - **在线视频:** 提供视频链接 → 自动下载视频或直接抓字幕 → 生成字幕 → AI 总结
  5. - **本地文件:** 提供本地视频/音频路径 → 提取音频(如需) → 选择字幕后端 → 生成字幕 → AI 总结
  6. 默认字幕后端是本地 `faster-whisper`,也支持通过环境变量切换到火山引擎 VC。
  7. YouTube 链接会优先用 `yt-dlp` 直接抓取人工字幕或自动字幕,不需要 AI Douyin/TikHub,也不会默认下载视频或跑 ASR。
  8. [English](./README_en.md)
  9. ## 复制给 Agent,一句话安装使用
  10. 将下面这段话复制给 Codex / Claude Code 等能操作本地环境的 Agent,替换末尾的视频链接或文件路径即可:
  11. ```text
  12. 请安装并使用 https://github.com/imlewc/video-to-subtitle-summary-skill ,先阅读 README.md 和 SKILL.md,自动完成适合当前 agent 的安装、依赖检查和配置,默认使用本地 faster-whisper,已有安装和配置则直接复用;缺少 API Key 时再提示我填写,不要输出密钥。完成后提取以下视频的字幕并生成中文摘要、核心要点,提供字幕文件路径:〔视频链接或本地文件路径〕
  13. ```
  14. ## 更新说明
  15. 当前版本支持两种字幕转写后端:
  16. - **`faster-whisper`**:默认方案,本地转写,不依赖火山引擎
  17. - **`volcengine`**:可选方案,使用火山引擎音视频字幕服务
  18. 这意味着:
  19. - 默认情况下不需要注册和开通火山引擎
  20. - 只有在 `ASR_BACKEND=volcengine` 时,才需要配置 `BYTEDANCE_VC_TOKEN` 和 `BYTEDANCE_VC_APPID`
  21. - 如果你更看重本地化与零 API 转写费用,保持默认即可
  22. - 如果你更偏好云端转写能力,切换环境变量即可
  23. > 抖音、小红书、B 站默认推荐使用 [AI Douyin](https://top9.cc) 解析下载直链:注册后可用免费额度试用,成功解析一次扣 10 积分。已有 TikHub 用户也可以改用自有 `TIKHUB_TOKEN`。YouTube 直接由 `yt-dlp` 抓字幕。ASR 字幕识别后端由 `ASR_BACKEND` 控制。
  24. ## 一键免部署方案
  25. 不想本地安装和配置环境时,可直接使用在线版本:
  26. - [https://top9.cc](https://top9.cc)
  27. ## 私有化部署支持
  28. 支持程序私有化部署,可落地到企业服务器或内网环境,满足数据隔离与合规要求。
  29. 如需私有化部署方案、技术支持或商务合作,请联系:`eyr8odvl1i@163.com`
  30. ## 效果展示
  31. 输入一个视频链接或本地文件路径,自动输出:
  32. ```markdown
  33. ## 视频分析结果
  34. ### 视频信息
  35. | 项目 | 内容 |
  36. |------|------|
  37. | 视频ID | 7456789012345 |
  38. | 作者 | 某知识博主 |
  39. | 时长 | 3:25 |
  40. ### AI生成标题
  41. 深度解析 2024 年 AI 发展趋势与个人应对策略
  42. ### AI摘要
  43. 视频主要讨论了 2024 年 AI 技术的发展趋势,包括大模型的演进方向、
  44. AI 在各行业的落地应用,以及普通人如何把握 AI 时代的机遇...
  45. ### 核心要点
  46. 1. 大模型正在从“通用智能”向“专业智能”演进
  47. 2. AI 应用层的创业机会远大于基础模型层
  48. 3. 掌握 AI 工具使用能力将成为职场核心竞争力
  49. ### 生成文件
  50. - 视频: /tmp/video_analysis/7456789012345/video.mp4
  51. - 音频: /tmp/video_analysis/7456789012345/audio.mp3
  52. - SRT字幕: /tmp/video_analysis/7456789012345/subtitle.srt
  53. - 纯文本: /tmp/video_analysis/7456789012345/text.txt
  54. ```
  55. ## 前置条件
  56. | 依赖 | 说明 |
  57. |------|------|
  58. | Codex 或 [Claude Code](https://docs.anthropic.com/en/docs/claude-code) | 支持本地 Skill 的 Agent 环境 |
  59. | [FFmpeg](https://ffmpeg.org/) | 音视频处理工具 |
  60. | [yt-dlp](https://github.com/yt-dlp/yt-dlp) | 视频下载和 YouTube 字幕抓取工具(B 站 / YouTube 需要) |
  61. | [AI Douyin](https://top9.cc) API Key | 推荐的视频解析/下载代理;新用户免费额度,可避免单独注册 TikHub |
  62. | [TikHub](https://tikhub.io/) 账号 | 可选视频接口获取方案:自带 Token 直接解析抖音/小红书/B 站 |
  63. | Python 3.9+ + [faster-whisper](https://github.com/SYSTRAN/faster-whisper) | 当 `ASR_BACKEND=faster-whisper` 时需要 |
  64. | [火山引擎](https://www.volcengine.com/) 账号 | 当 `ASR_BACKEND=volcengine` 时需要 |
  65. ## 快速安装
  66. ### 1. 选择字幕后端
  67. 默认推荐 `faster-whisper`:
  68. ```bash
  69. ASR_BACKEND=faster-whisper
  70. ```
  71. 如需使用火山引擎:
  72. ```bash
  73. ASR_BACKEND=volcengine
  74. ```
  75. ### 2. 按后端安装依赖
  76. **方案 A:faster-whisper(默认)**
  77. ```bash
  78. python3 ~/.codex/skills/video-to-subtitle-summary/scripts/install_faster_whisper.py
  79. ```
  80. > 安装 helper 会先测速 PyPI 镜像,选择最快可用源,再创建独立 venv 安装。默认按 CPU 路径运行;检测到 NVIDIA/CUDA 时会自动切到 GPU。Apple Silicon 会继续走 CPU 路径。GPU 安装细节见 [docs/faster-whisper-setup.md](./docs/faster-whisper-setup.md)。
  81. **方案 B:火山引擎 VC(可选)**
  82. 按照 [docs/bytedance-vc-setup.md](./docs/bytedance-vc-setup.md) 开通服务并获取 `APPID` / `Token`。
  83. ### 2.5 安装 FFmpeg
  84. ```bash
  85. # macOS
  86. brew install ffmpeg
  87. # Ubuntu / Debian
  88. sudo apt install ffmpeg
  89. # Windows (使用 Chocolatey)
  90. choco install ffmpeg
  91. ```
  92. ### 2.8 安装 yt-dlp(B 站 / YouTube 需要)
  93. ```bash
  94. # macOS
  95. brew install yt-dlp
  96. # 通用(需要 Python)
  97. python3 -m pip install -U yt-dlp
  98. ```
  99. ### 3. 复制 Skill 到 Codex / Claude Code
  100. ```bash
  101. # 克隆仓库
  102. git clone https://github.com/imlewc/video-to-subtitle-summary-skill.git video-to-subtitle-summary
  103. # Codex
  104. mkdir -p ~/.codex/skills
  105. cp -r video-to-subtitle-summary ~/.codex/skills/video-to-subtitle-summary
  106. # Claude Code
  107. mkdir -p ~/.claude/skills
  108. cp -r video-to-subtitle-summary ~/.claude/skills/video-to-subtitle-summary
  109. ```
  110. ### 4. 配置环境变量
  111. 如需处理抖音、小红书或 B 站,推荐注册 [AI Douyin](https://top9.cc) 并创建 API Key;YouTube 不需要视频解析代理。已有 TikHub 用户可改用自有 TikHub Token。然后配置你要使用的字幕后端。
  112. **方式一:使用 .env 文件(推荐)**
  113. ```bash
  114. cp .env.example ~/.codex/skills/video-to-subtitle-summary/.env
  115. # 编辑 .env 文件填入你的配置
  116. ```
  117. **方式二:写入 Shell 配置**
  118. ```bash
  119. # 添加到 ~/.zshrc 或 ~/.bashrc
  120. export ASR_BACKEND="faster-whisper"
  121. # 默认推荐:AI Douyin 代理(成功解析下载直链后扣 10 积分)
  122. export VIDEO_INFO_PROVIDER="ai-douyin"
  123. export AI_DOUYIN_API_BASE="https://top9.cc"
  124. export AI_DOUYIN_API_KEY="your_ai_douyin_api_key"
  125. # 可选视频接口获取方案:自有 TikHub Token
  126. export TIKHUB_TOKEN=""
  127. export FW_MODEL_SIZE="small"
  128. export FW_DEVICE="auto"
  129. export FW_COMPUTE_TYPE=""
  130. export FW_PYTHON=""
  131. export BYTEDANCE_VC_TOKEN="your_bytedance_vc_token"
  132. export BYTEDANCE_VC_APPID="your_bytedance_vc_appid"
  133. ```
  134. 说明:
  135. - `ASR_BACKEND`:可选,默认 `faster-whisper`
  136. - `VIDEO_INFO_PROVIDER`:可选,默认 `ai-douyin`;可改为 `tikhub`
  137. - `AI_DOUYIN_API_BASE` / `AI_DOUYIN_API_KEY`:默认推荐的视频解析代理;抖音/小红书/B 站需要;YouTube 不需要;成功解析下载直链后扣 10 积分
  138. - `TIKHUB_TOKEN`:可选视频接口获取方案;当 `VIDEO_INFO_PROVIDER=tikhub` 或 AI Douyin 不可用时使用
  139. - AI Douyin 返回 `402 insufficient balance` 时,表示免费额度用完或余额不足,可在平台充值积分,或切换为自有 TikHub Token
  140. - `FW_MODEL_SIZE` / `FW_DEVICE` / `FW_COMPUTE_TYPE`:仅 `faster-whisper` 使用
  141. - `FW_PYTHON`:可选,指定安装了 `faster-whisper` 的 Python;留空时优先使用安装 helper 创建的默认 venv
  142. - `BYTEDANCE_VC_TOKEN` / `BYTEDANCE_VC_APPID`:仅 `volcengine` 使用
  143. ## 使用方法
  144. ### 在线视频
  145. 在 Claude Code 中直接发送视频链接即可(支持抖音、小红书、B 站、YouTube 等):
  146. ```
  147. 请帮我提取这个视频的字幕并总结:https://v.douyin.com/xxxxxx/
  148. ```
  149. ```
  150. 请帮我总结这个小红书视频:https://www.xiaohongshu.com/explore/xxxxxx
  151. ```
  152. ```
  153. 请帮我总结这个B站视频:https://www.bilibili.com/video/BVxxxxxxxxxx/
  154. ```
  155. ```
  156. 请帮我总结这个 YouTube 视频:https://www.youtube.com/watch?v=O87FdYIPeQk
  157. ```
  158. 或者使用 skill 命令:
  159. ```
  160. /video-to-subtitle-summary https://v.douyin.com/xxxxxx/
  161. ```
  162. ### 本地文件
  163. 直接提供本地视频或音频文件路径:
  164. ```
  165. 请帮我提取字幕并总结:/Users/me/Downloads/video.mp4
  166. ```
  167. ```
  168. /video-to-subtitle-summary ~/Desktop/recording.mp3
  169. ```
  170. > 本地文件模式会自动跳过视频下载步骤,音频文件还会跳过音频提取步骤,无需 AI Douyin/TikHub 视频解析代理。
  171. ### YouTube 字幕直抓
  172. YouTube 链接优先执行:
  173. ```bash
  174. python3 ~/.codex/skills/video-to-subtitle-summary/scripts/download_youtube_subtitles.py \
  175. "https://www.youtube.com/watch?v=O87FdYIPeQk" \
  176. --output-dir /tmp/video_analysis/O87FdYIPeQk \
  177. --languages zh-Hans,zh-Hant,zh,en
  178. ```
  179. 生成 `/tmp/video_analysis/O87FdYIPeQk/subtitle.srt` 和 `/tmp/video_analysis/O87FdYIPeQk/text.txt`。如果视频没有可抓取字幕,再回退到下载音频并使用 `ASR_BACKEND` 转写。
  180. ### 查看自己的 AI Douyin 历史任务
  181. 已配置 `AI_DOUYIN_API_KEY` 后,可以查询当前 API Key 对应用户的历史任务:
  182. ```bash
  183. python3 ~/.codex/skills/video-to-subtitle-summary/scripts/list_ai_douyin_tasks.py \
  184. --page 1 \
  185. --page-size 20
  186. ```
  187. 可选筛选:
  188. ```bash
  189. python3 ~/.codex/skills/video-to-subtitle-summary/scripts/list_ai_douyin_tasks.py --status completed
  190. python3 ~/.codex/skills/video-to-subtitle-summary/scripts/list_ai_douyin_tasks.py --search "关键词" --json
  191. ```
  192. 该脚本默认读取 skill 目录 `.env` 或环境变量中的 `AI_DOUYIN_API_BASE` / `AI_DOUYIN_API_KEY`,调用 `GET /api/v1/tasks`,只返回当前用户自己的任务。
  193. ## 安装指南
  194. | 项目 | 文档 |
  195. |------|------|
  196. | AI Douyin 代理 | [配置指南](./docs/ai-douyin-setup.md) |
  197. | TikHub API(可选视频接口获取方案) | [申请教程](./docs/tikhub-setup.md) |
  198. | faster-whisper 运行时 | [安装指南](./docs/faster-whisper-setup.md) |
  199. | 火山引擎 VC | [开通教程](./docs/bytedance-vc-setup.md) |
  200. ## 费用说明
  201. | 服务 | 费用 |
  202. |------|------|
  203. | AI Douyin 代理 | 新用户免费额度;成功解析下载直链后扣 10 积分,额度用完可充值 |
  204. | TikHub API(可选) | 使用自有 TikHub Token 时按 TikHub 套餐计费 |
  205. | YouTube 字幕抓取 | 无 API 费用,依赖本地 `yt-dlp` |
  206. | faster-whisper | 无 API 费用,消耗本地 CPU/GPU 计算资源 |
  207. | 火山引擎 VC | 仅在 `ASR_BACKEND=volcengine` 时产生字幕接口费用 |
  208. | Claude Code | 取决于你的订阅计划 |
  209. > 默认方案 `faster-whisper` 不会产生火山字幕接口费用。
  210. > 首次运行 `faster-whisper` 会下载模型文件,之后会复用本地缓存。
  211. ## 项目结构
  212. ```text
  213. video-to-subtitle-summary/
  214. ├── README.md # 项目介绍(本文件)
  215. ├── README_en.md # English README
  216. ├── LICENSE # MIT 协议
  217. ├── SKILL.md # Skill 本体
  218. ├── .env.example # 环境变量模板
  219. ├── scripts/
  220. │ ├── download_video_candidates.py
  221. │ ├── download_youtube_subtitles.py
  222. │ ├── install_faster_whisper.py
  223. │ ├── list_ai_douyin_tasks.py
  224. │ └── transcribe_faster_whisper.py
  225. ├── tests/
  226. │ ├── test_download_video_candidates.py
  227. │ ├── test_download_youtube_subtitles.py
  228. │ ├── test_install_faster_whisper.py
  229. │ ├── test_list_ai_douyin_tasks.py
  230. │ └── test_transcribe_faster_whisper.py
  231. └── docs/
  232. ├── ai-douyin-setup.md
  233. ├── tikhub-setup.md
  234. ├── faster-whisper-setup.md
  235. └── bytedance-vc-setup.md
  236. ```
  237. ## License
  238. [MIT](./LICENSE)

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.