Communitygithub.com

Transcritor de Vídeo com IA

Transcreve e resume um vídeo ou podcast a partir de uma URL (YouTube, TikTok, Bilibili, Apple Podcasts, SoundCloud, 30+ plataformas) ou de um arquivo de mídia/.txt local. Use quando o usuário compartilhar um link de vídeo/podcast ou arquivo de mídia e quiser transcrição, resumo, tradução ou o download do vídeo original. Ativa com

O que é Transcritor de Vídeo com IA?

A habilidade **AI-Video-Transcriber** permite que um agente de IA transcreva, traduza e resuma vídeos de mais de 30 plataformas (YouTube, TikTok, Bilibili, Apple Podcasts, SoundCloud, etc.) ou a partir de arquivos de mídia locais. Ela usa legendas da plataforma (com timestamps em segundos) quando disponíveis, e recorre ao Whisper local como fallback. Após a transcrição, otimiza o texto, traduz (se solicitado) e gera um resumo, tudo através de um pipeline headless que pode ser executado via CLI. É especialmente útil para desenvolvedores que precisam extrair conteúdo de vídeos ou podcasts de forma programática, sem interação manual. Suporta idiomas como inglês, chinês, espanhol, francês, alemão, italiano, português, russo, japonês, coreano e árabe para o resumo. A saída é em JSON, facilitando o parse e integração em outras ferramentas.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Video Transcribe

Executa o pipeline deste repositório de forma headless: legendas da plataforma quando disponíveis (em segundos), Whisper local como fallback, depois otimiza -> traduz -> resume.

Antes de executar

O comando deve ser executado a partir da raiz do repositório AI Video Transcriber e precisa do virtualenv do projeto e do ffmpeg. Verifique uma vez por sessão:

ls venv/bin/python && command -v ffmpeg
  • Sem venv: execute ./install.sh, ou python3 -m venv venv && venv/bin/pip install -r requirements.txt.
  • Sem ffmpeg: instale primeiro com brew install ffmpeg no macOS ou sudo apt install ffmpeg no Debian/Ubuntu. Não prossiga sem ele; a extração de áudio falhará.

Executar

venv/bin/python transcribe.py "<URL ou caminho do arquivo>" --json

Sempre use --json: ele coloca a saída legível por máquina no stdout e mantém o progresso no stderr. Analise o JSON em vez de extrair linhas de log.

Flags úteis:

FlagQuando usar
-l, --summary-language <código>Idioma do resumo: en, zh, es, fr, de, it, pt, ru, ja, ko, ar. Padrão en
--no-llmNenhuma chave de API disponível, ou o usuário só quer a transcrição bruta. Ignora otimizar/traduzir/resumir
--no-videoO usuário não deseja manter o vídeo fonte
--whisper-model smallA precisão importa mais que a velocidade. De tiny a large, padrão base
-o <dir>Escrever o Markdown em outro lugar que não ./temp

As etapas de LLM precisam de uma chave compatível com OpenAI via OPENAI_API_KEY e opcionalmente OPENAI_BASE_URL. Sem uma, o pipeline ainda transcreve, mas usa formatação básica; prefira --no-llm quando o usuário só precisar da transcrição.

Configurações do provedor:

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

Para uma execução única, transcribe.py também aceita --api-key, --base-url, e --model. Prefira variáveis de ambiente quando possível para que as chaves de API não sejam gravadas no histórico do shell.

Lendo o resultado

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

Leia os caminhos transcript e summary para obter o conteúdo. translation está presente apenas quando o idioma fonte difere do idioma do resumo.

Crítico: no_speech

Quando "no_speech": true, a fonte não contém fala. Não há transcrição, resumo, ou tradução. O pipeline deliberadamente ignora o LLM para que nada seja inventado.

Se você vir isso, informe ao usuário que o vídeo não tem fala. Não adivinhe o conteúdo, infira a partir do título ou descreva o que o vídeo provavelmente diz.

Modos de falha

  • Código de saída 2: entrada inválida, como arquivo ausente, extensão não suportada ou arquivo de texto vazio. Informe a mensagem e corrija o argumento.
  • Código de saída 1: falha no download/transcodificação, geralmente URL inacessível, vídeo bloqueado por região/privado ou ffmpeg ausente. Informe o erro real.
  • Primeira execução baixa os pesos do Whisper, então pode parecer travado por um minuto.
  • Vídeos longos são lentos no modo Whisper. Avise o usuário antes de começar se não houver legendas da plataforma disponíveis.

Habilidades Relacionadas