Communitygithub.com

batch-video-transcription

動画バッチから全タイムラインの音声を抽出し、タイムスタンプ付き中国語文字起こし、話者セグメント、Word文書、ローカルHTML検索を生成します。batch-video-transcriptionとして明示的に呼び出された場合のみ使用します。

batch-video-transcription とは?

このスキルは、複数の動画ファイルから音声を抽出し、タイムスタンプ付きの中国語文字起こしを生成するための専門ツールです。主にAlibaba CloudのFun-ASRを認識プロバイダとして使用し、話者セグメント、Word文書、ローカルHTML検索機能を含む包括的な出力を提供します。ユーザーは明示的にbatch-video-transcriptionとして呼び出す必要があり、許可なくソフトウェアをインストールしたり、ファイルをアップロードしたりすることはできません。ワークフローは、メディアスコープの確認、依存関係のセットアップ、ローカルインターフェースまたはコマンドラインでの実行、APIキーの安全な入力、結果の検証とレポート生成を含む複数のステップで構成されています。また、タスクIDの保持、再試行ロジック、不明な料金の処理など、堅牢なエラー回復メカニズムも備えており、ユーザーの許可を得た範囲内で安全かつ確実に動作します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/s010s/batch-video-transcription-skill/tree/HEAD

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Batch Video Transcription

明示的に呼び出された場合のみ使用してください。Alibaba Cloud Beijing Fun-ASRが唯一の実装済み認識プロバイダです。呼び出しは、ソフトウェアのインストール、音声のアップロード、支出、または公開リリースを許可するものではありません。

ワークフロー

  1. 正確なメディア範囲と独立した作業フォルダを確定します。元の動画は保存します。安定したダウンロード、オーディオトラック、空き容量、Python 3.10以上、FFmpegとffprobeを確認します。セットアップが必要な場合のみ依存関係を読み込み、互換性のある環境を再利用し、インストール前に許可を得てください。
  2. 可能な限りローカルインターフェース(python scripts/app.py)を使用して、ユーザーがフォルダを選択し確認できるようにします。既存のバッチの場合は--work '<work>'を使用し、再度初期化しないでください。準備はローカルで行われ、選択したサブセットが静かに拡大されることはありません。デフォルトのエクスポートフォルダは<source>/Transcription-Exportです。以前の出力を削除または上書きせずに競合を解決します。CLIの準備と正確な範囲オプションについては実行を参照してください。
  3. 実際の動画数、時間、出力先、および現在の価格見積もりを報告します。このバッチのアップロードと総制限に関する許可を取得します。以前の可能性のある課金を自動的に考慮します。ユーザーに残りの予算を計算させる必要はありません。予約コストは実際の請求や利用可能なアカウントクレジットではありません。
  4. ユーザーに、ローカルのマスク入力フィールドにキーを非公開で入力させ、バッチを確認させます。チャット、スクリーンショット、DOM、リクエスト、ファイル、またはプロセスメモリを介してキーを読み取らないでください。関連のない項目を修正するために現在の操作を置き換えるのではなく、実行を継続します。キーなしのタスク状態と出力のみを監視します。
  5. 各ソースに対して、タイムスタンプとテキストを含む配信ファイルを検証します。プロバイダが確認した単語なしの結果は、サイレンスの証拠ではなく、簡単な事実メモ付きの正常な完了出力として扱います。未解決の送信、実際の失敗、未完了のダウンロードを完了と区別します。リクエストに応じて、python scripts/merge_export.py --work '<work>'を使用して結合Wordサマリーを生成します。表現と動画ごとの話者IDを保持します。未実施のリスニング、再生、または視覚チェックを報告します。

回復

バッチごとに1つのライターを維持し、タスクID、試行履歴、およびコスト予約を保持します。既知のIDをクエリし、ダウンロードを回復するために再送信しないでください。一時的なクエリには制限付きリトライ/バックオフを使用し、未解決の項目を分離して、関連のない作業が続行できるようにします。進行を強制するためにロックを解除したり、障害履歴を消去したりしないでください。

失われた送信応答は、依然として課金が発生している可能性があります。不確実な試行は保持します。可能な場合は調整するか、限定的な新たな試行の前に重複課金の可能性を明示的に受け入れ、両方の予約を承認された合計内に収めます。正確に1回の配信を主張しないでください。予算の増加はユーザーの個別の決定です。

回復アクションを提供する前に、ユーザーの待機を尊重します。進行中のリクエストは取り消せません。安全な境界で返されたIDを保存します。ソース/ディスクの変更、認証情報エラー、およびクォータの失敗は、盲目的なリトライではなく診断が必要です。状態と認証情報の境界についてはオペレーション、回復コマンドについては実行を参照してください。

範囲とメンテナンス

インターフェースはローカルのみに保ち、そのセッションリンクを共有しないでください。キーはプロセスの再起動後は保持されません。システムキーチェーンストレージや未テストのホスト/プラットフォームの動作を実装済みとして宣伝しないでください。

プロバイダを追加する場合のみプロバイダを読み込み、ホスト固有のコピーをインストールまたは配布する場合のみホストパッケージングを読み込みます。コード変更後はpython scripts/check_tests.pyを実行します。モックテストはライブ認識を証明しません。ソース、ドキュメント、およびテストのみをパッケージ化し、ランタイムデータや認証情報は含めないでください。

関連スキル