YouTube 字幕提取与文稿整理

要解决什么问题

从 YouTube 视频里拿文稿，常见做法是手动复制字幕、开速记、或把录屏丢给语音转写工具，结果往往是一堆没有换行、夹带重复口误和时间戳碎片的原始文本。@user_3dafbf8c/morning-youtube-transcript-extractor 把这件事收敛成一个确定性输入：给一个公开视频链接，产出整理后的文稿，并保留可复核的原始结果。

它对应三类请求：「提取字幕」「把口播转成文字」「整理完整文稿」。但它不做摘要、不做营销拆解、不做账号分析或互动数据统计，这些请求应交给更对口的技能。

工作原理

• 输入校验：只接受公开的 HTTP(S) 媒体链接；账号主页、搜索页、私有链接、含凭据的 URL 和本地网络地址会被拒绝。结果中保留原始链接以便回溯。
• 脚本执行：通过 scripts/generate.js 拉取媒体摘要与字幕，使用 --json 与独立的 --output-dir，让机器可读结果和原始产物落到指定目录，每个链接只请求一次。
• 成功判定：仅当 success 为 true、summary 或 subtitle 至少一项非空、且结果文件确实存在时才继续，避免把空响应当成正文。
• 整理规则：删除明显重复、空白和无意义碎片；按主题或语义边界分段，但不虚构时间戳；输出段落主题与专有名词。
• 可审计输出：整理后字幕、段落主题、专有名词、缺失与警告，完整原始结果保存在 media-analysis.json。

密钥通过 --api-key 传入时优先于环境变量 UNITYCLAW_KEY；两者都没有时，脚本会引导获取密钥而不是只报一句缺少环境变量。任何情况下真实 Key 都不会出现在回复、日志或结果文件中。

适用边界与注意点

• 访问性取决于原始链接本身公开可访问，源站无法读取时直接报告失败，不做兜底猜测。
• 文本只基于视频实际陈述；技能不虚构说话人、时间戳、引文、指标或事实，并区分视频原始陈述与分析解释。
• 分段是整理而非测量，语义边界可能与剪辑节奏不一致，需要人工校对时应回到 media-analysis.json 核对原始数据。