Communitygithub.com

wendy7756/AI-Video-Transcriber

Transcrire et résumer une vidéo ou un podcast à partir d'une URL (YouTube, TikTok, Bilibili, Apple Podcasts, SoundCloud, 30+ plateformes) ou d'un fichier média/.txt local. Utilisez-le lorsque l'utilisateur partage un lien vidéo/podcast ou un fichier média et souhaite une transcription, un résumé, une traduction ou le téléchargement de la vidéo originale. Se déclenche sur « transcribe », « summarize this video », « what does this video say », « get the transcript », « 转录 », « 视频摘要 ».

Qu'est-ce que AI-Video-Transcriber ?

Ce skill, destiné aux agents AI comme Claude Code, Cursor ou Codex, automatise le pipeline de transcription et de résumé de vidéos et podcasts. Il prend en charge plus de 30 plateformes (YouTube, TikTok, Bilibili, Apple Podcasts, SoundCloud, etc.) ainsi que des fichiers locaux. Le processus commence par la récupération des sous-titres de la plateforme (en secondes) ou, en cas d'absence, par l'utilisation de Whisper localement. Ensuite, il optimise, traduit et résume le contenu. Le skill nécessite un environnement Python avec `ffmpeg` et une clé API compatible OpenAI (optionnelle, mais requise pour les étapes LLM). Il produit un fichier JSON contenant les chemins vers les fichiers de transcription, résumé et traduction. Il gère les cas où la vidéo ne contient pas de parole (no_speech) et différents codes d'erreur. Idéal pour les utilisateurs qui souhaitent rapidement comprendre le contenu d'une vidéo sans la regarder.

Compatible avec~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/wendy7756/AI-Video-Transcriber/tree/HEAD/skills/video-transcribe

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Transcription Vidéo

Exécute le pipeline de ce dépôt en mode headless : sous-titres de la plateforme lorsqu'ils sont disponibles (en secondes), Whisper local comme solution de repli, puis optimisation -> traduction -> résumé.

Avant l'exécution

La commande doit être exécutée depuis la racine du dépôt AI Video Transcriber et nécessite le virtualenv du projet ainsi que ffmpeg. Vérifiez une fois par session :

ls venv/bin/python && command -v ffmpeg
  • Pas de venv : exécutez ./install.sh, ou python3 -m venv venv && venv/bin/pip install -r requirements.txt.
  • Pas de ffmpeg : installez-le d'abord avec brew install ffmpeg sur macOS ou sudo apt install ffmpeg sur Debian/Ubuntu. Ne continuez pas sans cela ; l'extraction audio échouera.

Exécution

venv/bin/python transcribe.py "<URL ou chemin du fichier>" --json

Toujours utiliser --json : cela place la sortie lisible par machine sur stdout et garde les messages de progression sur stderr. Analysez le JSON plutôt que de gratter les lignes de log.

Drapeaux utiles :

DrapeauQuand l'utiliser
-l, --summary-language <code>Langue du résumé : en, zh, es, fr, de, it, pt, ru, ja, ko, ar. Par défaut en
--no-llmAucune clé API disponible, ou l'utilisateur souhaite uniquement la transcription brute. Ignore l'optimisation/la traduction/le résumé
--no-videoL'utilisateur ne souhaite pas conserver la vidéo source
--whisper-model smallLa précision prime sur la vitesse. tiny à large, par défaut base
-o <dir>Écrire le Markdown ailleurs que dans ./temp

Les étapes LLM nécessitent une clé compatible OpenAI via OPENAI_API_KEY et éventuellement OPENAI_BASE_URL. Sans clé, le pipeline transcrit toujours mais se rabat sur un formatage basique ; préférez --no-llm lorsque l'utilisateur a uniquement besoin de la transcription.

Paramètres du fournisseur :

export OPENAI_API_KEY="votre_cle_api_ici"
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"
export OPENAI_TRANSLATION_MODEL="gpt-4o"  # optionnel

Pour une exécution ponctuelle, transcribe.py accepte aussi --api-key, --base-url, et --model. Préférez les variables d'environnement lorsque c'est possible afin que les clés API ne soient pas écrites dans l'historique du shell.

Lecture du résultat

{
  "title": "...",
  "no_speech": false,
  "detected_language": "en",
  "files": { "raw": "...", "transcript": "...", "summary": "...", "translation": "..." },
  "media": { "path": "...", "kind": "video", "size_bytes": 2243691 }
}

Lisez les chemins transcript et summary pour obtenir le contenu. translation n'est présent que lorsque la langue source diffère de la langue du résumé.

Critique : no_speech

Lorsque "no_speech": true, la source ne contient pas de parole. Il n'y a pas de transcription, résumé ou traduction. Le pipeline saute délibérément le LLM pour éviter toute invention.

Si vous voyez cela, dites à l'utilisateur que la vidéo ne contient pas de parole. Ne devinez pas le contenu, ne l'inférez pas à partir du titre, et ne décrivez pas ce que la vidéo dit probablement.

Modes d'échec

  • Code de sortie 2 : mauvaise entrée, par exemple un fichier manquant, une extension non prise en charge ou un fichier texte vide. Signalez le message et corrigez l'argument.
  • Code de sortie 1 : échec de téléchargement/transcodage, généralement une URL inaccessible, une vidéo bloquée par région/privée, ou un ffmpeg manquant. Signalez l'erreur réelle.
  • La première exécution télécharge les poids de Whisper, elle peut donc sembler bloquée pendant une minute.
  • Les longues vidéos sont lentes en mode Whisper. Avertissez l'utilisateur avant de commencer si aucun sous-titre de la plateforme n'est disponible.

Skills associés