视频转笔记

要解决什么问题

技术分享、课程录屏往往只有视频，没有可直接检索的文字。手动听写或复制零散字幕成本高，且不同平台（尤其是 B 站）的字幕可用性不一致。你需要一条可重复执行的链路：拿到视频 → 得到可编辑的文本笔记，并能挂到现有的知识库（如 Obsidian）里。

技能如何工作

本技能把流程拆成可脚本化的步骤，并在入口处做环境检测，缺什么工具会提示补齐。

• B 站优先走字幕：先拉取 title、duration、owner 与 subtitle.list；有字幕则直接取文本，跳过下载与 Whisper，省时且通常更准确。
• 无字幕再走转录：yt-dlp 下载（支持 BV 号简写）→ ffmpeg 提取音频（默认 mp3，也可 wav / flac / m4a）→ openai-whisper 转写，模型由 whisper_model 控制（如 small / medium / tiny）。
• 落盘方式：note_format 为 obsidian 时写入 obsidian_vault 指定库；为 file 时写到配置的临时目录。保存路径应走技能提供的 scripts/save_note.py，以保证 UTF-8，避免 shell 重定向导致中文乱码。

配置里 obsidian_vault 为必填项（不用 Obsidian 可留空）；extra_paths 可手动指定工具路径，否则从 PATH 自动检测。可选 PyTorch CUDA 做 GPU 加速。

适用边界与注意点

• 当前工作流以 B 站 为主；YouTube、抖音等仍在扩展方向中，不要默认已支持。
• Whisper 在 CPU 上较慢：tiny 约 1× 实时，small 约 0.3× 实时；长视频可换更大模型或考虑 GPU。
• 中文转录建议显式指定语言（如 -l zh）；识别差时可从 small 升到 medium，并对照错误表人工修订。
• ffmpeg / yt-dlp 偶发非零退出码但文件已生成：技能以输出文件存在且大小大于 0 为准，不必被退出码误导。