技能介绍

解决什么问题

短视频散落在 B 站、抖音、视频号和本地目录里，真正难的是把内容拆成可继续使用的材料：逐句文字稿、时间戳字幕、可发布口播稿。media2text 把一条视频整理成下游可直接接手的文本、字幕和草稿，减少手动复制、截图和重找原片的反复。

能力与流程

它以本地 ASR 为主链路：识别输入是 URL 还是本地文件，选择下载或解析路径，再用 faster-whisper 生成结果。基础输出为带元信息头的 .txt，可按句换行；也可输出 .srt，配置翻译后端后生成双语字幕。
常见平台路径包括：

B 站：单条与 UP 主批量列表，适合把连续口播内容一次取出。
抖音：视频帖走免 cookie 的分享页路径，图文帖提取图片与文案；无语音内容不强制转录。
视频号：本地文件可直接处理；sph 分享链接依赖元宝登录态解析直链，直链有时效。
其他与本地文件：通用链接经 yt-dlp 处理，本地音视频直接转码识别。

口播二创默认开启：对有声口播视频输出去口语化、保留关键句、补充钩子的草稿；有 DASHSCOPE_API_KEY 时可按 B 站、抖音、视频号生成三版语气，无 key 时退回本地清洗稿。富模式按视频建子文件夹，并可输出标题、简介、封面、无水印视频与 manifest.json，供后续配音或成片工具读取实际产物。

边界与注意

它负责视频到文字和稿件，不负责 TTS、数字人或最终成片。转录质量受音频质量与模型大小影响；默认模型偏轻量，追求精度可切更大模型。翻译需要外部 key，缺失时降级为源语言字幕。私密或年龄限制内容可能仍需 cookie；视频号 sph 直链会过期，本地文件是最稳兜底。使用应遵守平台条款与内容版权。