Agent Skills
返回列表
视频号逐字稿转录器

视频号逐字稿转录器

设计多媒体 更新于 2026.08.29

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,安装 @user_4668e131/wechat-channels-transcript。

技能介绍

面临的核心问题

处理视频号内容时,开发者常遇到两个棘手难题。首先,视频号内嵌于微信生态,传统下载工具往往无法识别其分享链接,手动录屏则费时且画质受损。其次,把视频对话转为文字稿时,手动听打效率极低,而未经语义优化的 ASR 转写结果往往缺少标点、段落混乱,阅读体验很差。对于长篇访谈或多人对话,仅靠断句时长切句,效果常常难以接受。

技能如何工作

这个技能把「拿到视频」到「拿到干净文本」的全过程封装为自动化流水线,所有脚本都在 scripts/ 目录下,不依赖任何外部技能:

  • 无依赖视频下载:scripts/wx_channels.py 通过浏览器环境向腾讯元宝接口发起请求,拿到视频直链 token,再经微信官方接口拉取视频文件,无需逆向私有协议。
  • 本地离线 ASR:scripts/transcribe.py 使用 faster-whisper,可直接传入 --video 参数,自动提取 16kHz 单声道音频后在本地完成转写。
  • 语义级后处理:这是关键一步。它不靠简单的规则替换,而是利用语言理解对识别出的连续文本智能断句、补全符合中文习惯的标点,并按话题转换合理分段。

适用边界与注意点

流水线虽顺,工程细节仍需留意:

  • 登录态依赖:下载步骤复用本地浏览器配置目录,若腾讯元宝登录 Cookie 过期,需重新扫码登录。
  • 说话人分离:多人场景需配置 HF_TOKEN 以下载 pyannote-audio 模型,会增加一次模型拉取开销。
  • 模型选择:默认 small 模型在中文场景已经够用;追求精度可试 medium,但需留意 CPU 算力瓶颈。
  • 最大的坑:不要在后处理偷懒,只靠 gap > 1s 这类规则加句号。视频中常有背景音乐或自然停顿,机械规则会产生大量虚假断句,必须靠语义理解去噪。

使用场景

  • 内容运营每周整理视频号同行爆款,把链接发进来,等待片刻就能拿到带时间戳的 Markdown 文稿,直接拿去改写成图文。
  • 媒体团队处理多条视频号访谈素材,把几个链接一次性丢过去,希望每条都产出分好段落的逐字稿,不用对着音频一遍遍敲键盘。
  • 视频创作者要把视频号的操作录屏转成 SRT 字幕文件,以便直接导入剪映或播放器,不想在后期对轴上耗时间。

适合人员

  • 经常需要处理视频号素材,把视频内容转为可用文字稿的新媒体编辑。
  • 需要快速得到访谈逐字稿,用于后续编辑、翻译或归档的视频制作人。
  • 负责从视频号转载内容中提取对白或口播,为内部资料库补充文本数据的团队。