技能介绍

解决什么问题

拿到一个 bilibili.com/video/BVxxxx 链接后，如果想拿到全文用于分析，常见路径是手动下载、找转写工具、再拼接文本，中间还要处理长音频显存、模型下载、中间文件残留一堆琐事。这个技能把这条链路收进一条命令：run.py 串起环境检查、模型准备、音频下载、切分、逐块转写、合并、清理全流程，中断后重跑同一条命令即可续跑。

它有几个从实战里长出来的设计：

官方字幕直取优先：先查 x/player/v2 的 subtitle 字段，视频已有 CC 字幕就直接拉取，不必再跑一轮转写。
磁盘友好：模型权重放共享缓存 ~/.cache/whisper-models/，pip 一律 --no-cache-dir，用完 cleanup.py 回收中间 wav 和切块。
断点续跑：长视频用 --budget 480 限制单次时长，到点保存进度退出（退出码 75），重跑自动跳过已完成块。

核心能力

一条命令全流程：python3 scripts/run.py <URL>，自动检查官方字幕（有则跳过转写）、下载音频、自适应静音点切分、逐块 Whisper 转写、合并输出，--dry-run 可先预估耗时。
领域术语注入：-p "领域术语" 提高专有名词识别准确率，--language en 对英文/日文视频显著提升质量；--fix-dict oss 提供内置开源通用纠错词典。
多选集与登录态：--page 2 选多 P 视频，--cookie "SESSDATA=xxx" 处理会员视频。
字幕输出：--srt 额外产出 SRT/VTT，可直接挂播放器；默认交付 transcript_full.txt（带时间戳）和 transcript_plain.txt（纯文本）。
AI 校对（步骤 7，强烈建议）：ASR 直出对中文专名误识率高（NAS→納斯、AI→AA），校对必须由独立子代理执行，先 WebSearch 核实再改，严禁臆造。
技术类总结（步骤 8）：用户要进一步分析时按现成骨架产出结构化报告。

适用边界与注意点

只处理 B 站视频；网页文章或非 B 站视频请直接抓文本。
视频已有 CC 字幕时先查 subtitle 字段，有就直接拉，省去整轮转写。
纯本地音频可复用 scripts/transcribe_chunk.py，跳过 get_audio 步骤。
不要并发多个 transcribe 子进程，长任务改用单进程后台跑 run.py。
静音检测按 mean_volume 自适应，写死 −30dB 在响度压缩视频上会判不出切点。
不建虚拟环境，复用当前解释器，ensure_env.py 幂等装依赖；run.py 之外的分步命令见 references/workflow.md，踩坑全集见 references/pitfalls.md。