本地视频蒸馏流水线

问题从哪来

培训录屏、专家访谈、内部会议录像往往堆在共享盘里：要「可用」至少得看完一遍、整段转写、再提炼成手册——转写稿动辄两千行，多数人停在摘抄金句；更麻烦的是客户会谈、未公开课程等素材不能上传云端，Whisper API 和各类 SaaS 转写都不合适。

技能怎么跑

整条链路在 macOS 13+ 本机完成，核心分三段：

• 抽音频：用 PyObjC 调 AVAssetExportSession，导出 m4a，不依赖系统里容易 SIGILL 的 ffmpeg。
• 离线 STT：faster-whisper（默认 tiny/base）在 CPU 上转写，产出带时间戳的 .txt；超过约 15 分钟 会切段（约 4 分钟/段）逐段转录并边转边合并，避免内存被 OOM 杀掉。
• 蒸馏成文档：内置 5 阶段方法论（整书理解 → 五路提取 → 三重验证 → RIA++ → DIGEST），配合 extractors/ 与 templates/，把零散观点压成培训手册、摘要或案例集；Agent 侧可用 scripts/transcribe_pipeline.py 或 distill.py 一键跑转写与 Obsidian 双发（结构化 MD + 同名 ·转写.txt）。

边界与注意

• 平台限定 macOS；SkillHub 轻量包不含 model.bin，需自行从镜像站下载 Whisper 权重。
• 中文 tiny 模型约有同音字误差，专有名词要人工校对；长视频分段可能在句边界处切断。
• 未做说话人分离、未实现直接从字幕轨抽取（路线图中有提及）；敏感场景的价值在于全程断网、无 API Key、视频不出本机。