把视频和播客转成可引用的逐字稿。ASR 转录在你电脑上运行，不需要 API Key；链接解析和首次模型下载需要联网。
- 视频：B 站 / 抖音 / 小红书 / YouTube / 微信视频号
- 播客：小宇宙 / 喜马拉雅 / Apple Podcasts → 自动分开说话人
- 本地文件：
mp4/m4a/mp3/wav同样能转
转写在你电脑上跑。B 站 / 抖音 / 小红书 / YouTube 给你带小标题的整理稿。播客再多一份能压字幕的 SRT。微信视频号首次使用需要在本机打开腾讯元宝并扫码一次，不需要手工复制 Cookie。
视频号可以选三种交付。三种都是他怎么说的，不会改写成概述。
| 你怎么写 | 你拿到什么 |
|---|---|
| 什么都不写，或写「逐字稿」 | 默认。 对话里直接给你整理过的口语稿。不做 PDF |
| 文字PDF（以前叫「文字版本」） | 同一份口语稿，排成羊皮纸长文 PDF。文件名用视频原标题 |
| 截图PDF（以前叫「截图版本」） | 同一份口语稿，再配上视频里的关键画面。文件名用视频原标题 |
贴视频号链接，什么都不写，我就把逐字稿直接发你。想要羊皮纸长文就加「文字PDF」；想要边看讲边看屏幕就加「截图PDF」。
PDF 用 Kami 羊皮纸长文排。文件名用视频原标题（去掉话题标签）。
只想保存 MP4、不要逐字稿，请说明「只下载」，会改走配套的 video-download。
贴链接后，脚本自己判断走哪条。一般不用先选模式。
| 视频 | 播客 / 访谈 | |
|---|---|---|
| 何时启用 | 视频链接、本地视频 | 小宇宙 / 喜马拉雅 / Apple 单集；或加 --speakers |
| 引擎 | SenseVoice-Small，大约 6 倍实时 | paraformer + CAM++，大约音频时长的 25% |
| 说话人 | 不区分 | 自动分离，映射成主持人 / 嘉宾 |
| 给你的东西 | 预整理稿，再按平台整理一版。视频号默认把口语稿发在对话里 | *_逐字稿.md + *_逐字稿.srt，直接能用 |
| 首次模型 | 约 234MB | 约 1GB（之后走本地缓存） |
| 档位 | 平台 | 说明 |
|---|---|---|
| 专门解析 | B 站（含 b23.tv）、抖音、小红书、YouTube、微信视频号、小宇宙单集 | 最稳 |
| 播客链路 | 小宇宙、喜马拉雅、Apple Podcasts 的单集页 | 自动说话人分离 |
| yt-dlp 兜底 | 微博、知乎、西瓜、AcFun 等 | 先当视频转；要区分说话人就加 --speakers |
| 暂不支持 | Spotify（DRM）、快手 | 脚本会说明原因和替代做法 |
注意：小宇宙节目主页（/podcast/）和喜马拉雅专辑页（/album/）不是单集，贴进去会被明确提示。请用单集链接。
macOS 复制这一行到终端，回车，跟着提示走：
bash <(curl -fsSL https://raw.githubusercontent.com/Backtthefuture/video-transcript/main/bootstrap.sh)它会：把 Skill 装到 ~/.claude/skills/video-transcript/，检查 ffmpeg，安装 yt-dlp / Playwright / Chromium，装 FunASR，并把配套的 video-download 放在同一个 skills 根目录。重复执行会从 GitHub main 更新程序文件，同时保留 .env、outputs/ 和本地词表。
要安装到其他 Agent 目录，可显式指定目标，避免机器上出现多份互相遮蔽的副本：
VIDEO_TRANSCRIPT_TARGET="$HOME/.agents/skills/video-transcript" \
bash <(curl -fsSL https://raw.githubusercontent.com/Backtthefuture/video-transcript/main/bootstrap.sh)装完后在 Claude Code / Codex 里就可以：
/video-transcript <视频或播客链接>
已经会装 Skill 的人：两步装
npx skills add Backtthefuture/video-transcript -a claude-code -g -y
bash ~/.claude/skills/video-transcript/install.sh手动安装（不想跑向导）
brew install ffmpeg
pip3 install --break-system-packages -r ~/.claude/skills/video-transcript/requirements.txt
python3 -m playwright install chromium
pip3 install --break-system-packages funasr torchaudio
python3 ~/.claude/skills/video-transcript/scripts/transcript.py --doctor把链接丢给 agent，或显式调用：
/video-transcript https://www.bilibili.com/video/BVxxx
/video-transcript https://www.xiaoyuzhoufm.com/episode/xxxx
视频号三种写法：
/video-transcript https://weixin.qq.com/sph/xxxx
/video-transcript https://weixin.qq.com/sph/xxxx 文字PDF
/video-transcript https://weixin.qq.com/sph/xxxx 截图PDF
第一行什么都不加，就是逐字稿。以前说的「文字版本 / 截图版本 / 逐字稿版本」也还能用。
# 视频
python3 ~/.claude/skills/video-transcript/scripts/transcript.py "<URL>"
# 播客 / 本地访谈：区分说话人
python3 ~/.claude/skills/video-transcript/scripts/transcript.py 访谈.m4a --speakers --host 张三 --guest 李四
# 只改版式或人名，不重跑识别（秒级）
python3 ~/.claude/skills/video-transcript/scripts/transcript.py "<同一输入>" --reformat --host 张三 --guest 李四版式或人名不对，用 --reformat。--force 会把十几分钟的识别一起重跑。
微信视频号怎么解析
公开安装不再使用 public-worker：该地址当前需要额外服务器凭据，普通用户会收到 HTTP 401。install.sh 第 7 步会引导微信扫码一次，之后复用本机腾讯元宝登录态；不会把 Cookie 发给第三方 Worker。
之后自己维护：
python3 ~/.claude/skills/video-transcript/scripts/sph_resolver.py --login
python3 ~/.claude/skills/video-transcript/scripts/sph_resolver.py --check
python3 ~/.claude/skills/video-transcript/scripts/transcript.py --doctor-live "<公开视频号链接>"--check 只验证认证，不代表任意链接都能拿到视频流。--doctor-live 才会验证“认证 → 分享链接解析 → 视频详情 → 媒体流”，且不会下载或转录。
只下载、不转录，请直接用 video-download。
视频稿带小标题和时间范围：
# 视频标题
> 时长 5:32 | 来源: <URL> | 引擎: FunASR(SenseVoice-Small)
## 1. 引入话题 [00:00 - 00:42]
大家好，今天我们要聊的是...
## 2. 核心观点 [00:42 - 02:15]
那么我的看法是这样的，首先...视频号默认把这样的口语稿直接发在对话里。要 PDF 时，正文还是这些话，只是换成羊皮纸长文；截图PDF 再在对应句子旁边插上视频画面。
播客稿按说话人分块，并额外给一条可直接压字幕的 SRT：
## 曲凯 · 00:22
所以今天很开心请到 Evolving 的联创孟繁青，先给大家简单介绍一下。
## 孟繁青 · 00:30
非常感谢曲老师邀请。我是孟繁青，同时也是 Evolving 这边的联创。文件默认写在 ~/.claude/skills/video-transcript/outputs/。
| 参数 | 说明 |
|---|---|
input |
链接或本地路径（--doctor 时不需要） |
--title |
覆盖自动探测到的标题 |
--output-dir |
改输出目录 |
--speakers |
强制说话人分离（播客单集会自动启用） |
--host / --guest |
指定主持人 / 嘉宾姓名 |
--reformat |
复用已有识别结果，只重跑后处理 |
--keep-audio |
播客模式保留临时 wav（默认转录完就删） |
--keep-video |
额外留一份 MP4（截图PDF 需要） |
--force |
忽略缓存，整条链路重跑 |
--doctor |
检查依赖，缺什么说什么 |
--doctor-live <视频号链接> |
检查依赖并真实验证视频号解析，不下载/转录 |
python3 ~/.claude/skills/video-transcript/scripts/transcript.py --doctor| 现象 | 处理 |
|---|---|
--doctor 报缺依赖 |
重跑 bash ~/.claude/skills/video-transcript/install.sh |
| funasr 未安装 | pip install funasr torchaudio |
| 首次很慢 / 联网失败 | 视频模型约 234MB，播客模型约 1GB；模型可离线复用，网络链接仍需联网 |
| 抖音 / 小红书抓不到 | 平台改版常见，看 FALLBACK.md |
视频号找不到 video-download |
重跑 install.sh，或 npx skills add Backtthefuture/video-download |
WECHAT_AUTH_REQUIRED / WECHAT_AUTH_EXPIRED |
运行 scripts/sph_resolver.py --login，扫码后重试 |
WECHAT_PARSE_EMPTY / WECHAT_PARSE_TOKEN_MISSING |
登录已通过，但该链接没有可用解析结果；检查链接/内容权限，必要时上传 MP4/MOV |
WECHAT_FEED_FAILED / WECHAT_STREAM_EMPTY |
视频详情阶段没有媒体流；保留完整错误码后提 Issue，或改传本地文件 |
| 公共 Worker 返回 401 / 1042 | 不要继续请求隐私授权；公开发行只用 yuanbao-login |
| B 站 yt-dlp 报 412 | 会自动改走无头浏览器，可忽略 |
| 抖音图文笔记 | 只支持视频，不支持图文 |
| Chromium 找不到 / 下载失败 | python3 -m playwright install chromium，国内网络可设代理后重试 |
| 播客人名或版式要改 | 用 --reformat，不要用 --force |
抓取失败时：先 --doctor，再看 FALLBACK.md，仍不行就 提 Issue（附上链接和报错）。
ASR 推理和逐字稿文件在你电脑上处理，不上传到第三方，也不需要 API Key。处理网络链接时，分享链接及必要请求会发送给原平台；视频号默认只访问腾讯域名，并复用本机元宝登录态。可选热词写在本地 .env（已加入 .gitignore）。
第一次使用需要联网下载模型（ModelScope），之后模型可离线复用；处理网络链接时仍需访问对应平台。
这个 Skill 能独立用。如果你还想把 Agent 从「会跑一条命令」推到「能落地项目」，不必一个人试。
社群里有：
- 课程：零基础智能体视频课，从入门到实战
- 案例：可复用的项目拆解
- 挑战：带着任务练，而不是只看
- 直播：跟黄叔、唯庸同步最新打法
微信扫下图小店码即可查看并加入。
黄叔和唯庸的 Agent 实战社群 · 不用一个人摸索 Agent
MIT。随便用，也欢迎 Star 和 PR。