视频转录
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md 的指南，将 @user_ea76c6e6/video-to-transcript 技能安装到你的 AI 助手中。
技能介绍
解决的问题
video-to-transcript 面向的是把视频里的可读文字快速留下来，而不是只产出一段没人愿意读的机器听写。用户给出抖音、B站、YouTube、小红书、TikTok 或微博的视频链接，也可以提供本地视频或音频；视频转成文字后，还能区分口播叙事、画面里的硬字幕以及最终可复制稿。处理在本地沙箱完成，只有在用户明确配置 LLM API 时才可能发生文本外传。
工作方式
输入处理先判断目标类型。在线 URL 会自动下载；下载失败时脚本会携带浏览器登录状态重试，仍失败则给出清晰错误和恢复建议。本地视频直接进入转录，本地音频走 ASR，并自动跳过画面相关步骤。抖音处理只取音频流，减少体积和水印干扰。
转录关键路径是 ASR + OCR 并行。ASR 使用 faster-whisper large-v3，负责完整口播；OCR 使用 rapidocr 提取画面硬字幕，仅在没有 CC 软字幕时执行；若有 CC 字幕则直接抽取。两路完成后进入 LLM 校对：优先采用字幕中的专有名词、数字、品牌名和 PPT 标题，修正 ASR 同音字，同时保留口播叙事。没有 LLM key 不阻塞流程，原始 ASR 文本仍会保留。
适用边界
建议处理 60 分钟以内的视频；首次环境需要约 3GB 磁盘，内存建议 8GB 以上。ASR 原始错误率约 7-10%，LLM 校对后可降到 1-3%。不要把 .srt 或 .vtt 字幕文件当作输入，也不要删除 outputs/ 里的中间产物。下载中断时重新发送链接即可，不会留下脏数据。
使用场景
- 拿到一条抖音运营技巧视频,需要把口播内容整理成要点清晰、可复制的文字笔记。
- 录制了一场一小时的产品评审会,需要把讨论要点转成可归档的纪要,录音只在本地处理。
- 看了B站17分钟的软件教程,需要把屏幕上带时间点的操作指令提取出来,写成内部部署文档。
- 小红书视频里硬字幕和口播有重叠,需要合并两路结果并在修正品牌名后输出干净纯文本。
适合人员
- 短视频内容编辑:每周要刷几十个抖音爆款,需要把口播稿批量提取进可复用的选题素材库。
- 负责部署文档的产品运营:想把B站教学视频里的步骤和数值提取出来,写进内部部署文档。
- 隐私敏感的独立开发者:需要把本地录屏视频转成文字存档,不愿让音视频上传到第三方云服务。
- 多项目并行的行政助理:需要把本地会议录音转成结构清晰的纪要,还要有带时间戳的版本方便回溯。
相关技能
一项能够根据用户提供的故事、场合与细节，生成原创歌词并合成定制歌曲的AI技能。
AI 编辑部总控技能，从模糊想法到可发布稿全流程管理内容创作，涵盖选题、写作、审核和发布适配。
围绕番茄小说短篇创作，提供热门题材搜索、选题推荐、大纲生成、分段撰写、爽点节奏控制与 UTF-8 txt 导出，支持 1 万至 3 万字短篇。
面向中文长篇小说的对话式创作工作台，帮助设定项目、管理人物与世界观、规划卷纲章节，并追踪伏笔和连续性。