视频转文本转录

问题

视频内容通常分散在 URL、本地文件和不同平台里，工程师需要快速得到可检索文本。这个技能解决的问题是：把 bilibili.com、YouTube、TikTok/Douyin、Twitter/X 等 yt-dlp 可支持来源，以及本地 mp4、wav、m4a、webm、mkv 等文件，转换成文字转录。

工作方式

它依赖 yt-dlp 获取媒体、ffmpeg 处理音频、faster-whisper 做语音识别，并可通过参数控制模型与输出：

• url：视频 URL 或本地文件路径
• -m, --model：选择 tiny、base、small、medium、large
• -l, --language：指定语言，默认自动检测
• -o, --output：写入文件或打印终端
• --keep-files：保留下载的音视频文件

Bilibili 内容需要 SESSDATA、bili_jct、buvid3 等认证信息，可通过配置或命令参数提供。注意这些是登录凭证，不要分享；tiny/base 适合快速草稿，medium/large 识别更准但更慢，适合最终稿。