Communitygithub.com

runesleo/x-reader

转写并总结视频或播客链接,支持 YouTube、Bilibili、X 视频、小宇宙、Apple Podcasts 以及直接媒体 URL。

x-reader 是什么?

这是一个用于将视频和播客链接自动转写并提供结构化摘要的 AI 技能。它支持包括 YouTube、Bilibili、X/Twitter、小宇宙、Apple Podcasts 在内的主流平台,以及 mp3、mp4、m3u8 等直接媒体链接。该技能通过优先提取字幕、自动下载音频、使用 Whisper 语音识别模型(基于 Groq API)进行转写,并最终生成清晰的摘要(如要点、引文、行动项)的方式工作。它还能处理超过 25MB 的大文件,通过 ffmpeg 切片后顺序转写,以绕过 API 限制。此技能特别适合需要快速掌握长视频或播客核心内容的开发者和知识工作者,帮助节省大量观看和收听时间。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/runesleo/x-reader/tree/HEAD/skills/video

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

视频与播客摘要技能

发送视频/播客链接 → 获取完整转写 + 结构化摘要

支持的平台

平台类型字幕Whisper 转写
YouTube视频✅✅
Bilibili视频✅✅
X/Twitter视频❌✅
小宇宙 (Xiaoyuzhou)播客❌✅
Apple Podcasts播客❌✅
直接链接 (mp3/mp4/m3u8)任意❌✅

触发方式

检测到媒体 URL 时自动触发:

  • YouTube:youtube.com、youtu.be
  • Bilibili:bilibili.com、b23.tv
  • X/Twitter:x.com、twitter.com(带有视频的推文)
  • 小宇宙:xiaoyuzhoufm.com
  • Apple Podcasts:podcasts.apple.com
  • 直接链接:.mp3、.mp4、.m3u8、.m4a、.webm

处理流程

步骤 0:检测媒体类型

URL 模式类型处理流程
xiaoyuzhoufm.com/episode/播客→ 步骤 1b(小宇宙)
podcasts.apple.com播客→ 步骤 1c(Apple)
bilibili.com、b23.tv视频→ 步骤 1d(Bilibili API)
.mp3、.m4a 直接链接音频→ 步骤 2b(直接下载)
其他视频→ 步骤 1a(字幕提取)

步骤 1a:视频 — 提取字幕

# 清理临时文件
rm -f /tmp/media_sub*.vtt /tmp/media_audio.mp3 /tmp/media_transcript*.json /tmp/media_segment_*.mp3 2>/dev/null || true

# YouTube(优先英文,回退中文)
yt-dlp --skip-download --write-auto-sub --sub-lang "en,zh-Hans" -o "/tmp/media_sub" "VIDEO_URL"

# Bilibili
yt-dlp --skip-download --write-auto-sub --sub-lang "zh-Hans,zh" -o "/tmp/media_sub" "VIDEO_URL"

检查字幕是否成功:

ls /tmp/media_sub*.vtt 2>/dev/null
  • 有字幕 → 读取 VTT 内容,跳转到步骤 3
  • 无字幕 → 步骤 2a(下载音频)

步骤 1b:小宇宙 — 提取音频 URL

# 从 __NEXT_DATA__ 中提取 CDN 直链
# 小宇宙是 Next.js SPA,但初始 HTML 的 __NEXT_DATA__ 中包含音频 URL
AUDIO_URL=$(curl -sL -H "User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36" \
  "EPISODE_URL" \
  | grep -oE 'https://media\.xyzcdn\.net/[^"]+\.(m4a|mp3)' \
  | head -1)

echo "音频 URL: $AUDIO_URL"

# 下载音频
curl -L -o /tmp/media_audio.mp3 "$AUDIO_URL"

如果 curl 提取为空(罕见情况),则回退方案:使用 Puppeteer/浏览器获取渲染后的页面进行提取。

→ 步骤 2b(检查大小并转写)

步骤 1c:Apple Podcasts — 通过 yt-dlp

yt-dlp -f "ba[ext=m4a]/ba/b" --extract-audio --audio-format mp3 --audio-quality 5 \
  -o "/tmp/media_audio.%(ext)s" "APPLE_PODCAST_URL"

→ 步骤 2b(检查大小并转写)

步骤 1d:Bilibili — API 直接获取音频流

yt-dlp 即使携带 cookie 仍可能返回 412。改用 Bilibili API:

# 1. 从 URL 中提取 BV 号
BV="BV1xxxxx"  # 替换为实际的 BV 号

# 2. 获取视频信息(标题、时长、CID)
curl -s "https://api.bilibili.com/x/web-interface/view?bvid=$BV" \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/" \
  | python3 -c "import json,sys; d=json.load(sys.stdin)['data']; print(f'标题: {d[\"title\"]}\n时长: {d[\"duration\"]}s\nCID: {d[\"cid\"]}')"

# 3. 获取音频流 URL
CID=<上一步获取的 CID>
AUDIO_URL=$(curl -s "https://api.bilibili.com/x/player/playurl?bvid=$BV&cid=$CID&fnval=16&qn=64" \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/" \
  | python3 -c "import json,sys; print(json.load(sys.stdin)['data']['dash']['audio'][0]['baseUrl'])")

# 4. 下载音频(需要 Referer 头,否则返回 403)
curl -L -o /tmp/media_audio.m4s \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/" "$AUDIO_URL"

# 5. 转换为 mp3
ffmpeg -y -i /tmp/media_audio.m4s -acodec libmp3lame -q:a 5 /tmp/media_audio.mp3

→ 步骤 2b(检查大小并转写)

步骤 2a:视频 — 下载音频(当无字幕时)

# YouTube 可能需要 --cookies-from-browser chrome 来绕过机器人检测
yt-dlp --cookies-from-browser chrome -f "ba[ext=m4a]/ba/b" --extract-audio --audio-format mp3 --audio-quality 5 \
  -o "/tmp/media_audio.%(ext)s" "VIDEO_URL"

步骤 2b:检查音频大小并切片

FILE_SIZE=$(stat -f%z /tmp/media_audio.* 2>/dev/null || stat -c%s /tmp/media_audio.* 2>/dev/null)
echo "文件大小: $FILE_SIZE 字节"
  • ≤ 25MB (25000000) → 步骤 2c(直接转写)
  • > 25MB → 先切片,再依次转写每个切片

大音频切片(>25MB):

# 获取总时长
DURATION=$(ffprobe -v error -show_entries format=duration -of csv=p=0 /tmp/media_audio.* | head -1)

# 按 10 分钟切片(确保每段小于 25MB)
SEGMENT_SEC=600
SEGMENTS=$(python3 -c "import math; print(math.ceil(float('$DURATION')/$SEGMENT_SEC))")

# 切割分段
for i in $(seq 0 $((SEGMENTS-1))); do
  START=$((i * SEGMENT_SEC))
  ffmpeg -y -i /tmp/media_audio.* -ss $START -t $SEGMENT_SEC -acodec libmp3lame -q:a 5 \
    "/tmp/media_segment_${i}.mp3" 2>/dev/null
done

→ 对每个切片顺序调用步骤 2c(并行会导致 Groq 524 超时),合并结果

步骤 2c:Whisper 转写

前提条件:环境变量 GROQ_API_KEY

# 检查 API 密钥
if [ -z "$GROQ_API_KEY" ]; then
  echo "❌ GROQ_API_KEY 未设置。在此获取:https://console.groq.com/keys"
  exit 1
fi

# 转写单个文件(将 AUDIO_FILE 替换为实际路径)
curl -s -X POST "https://api.groq.com/openai/v1/audio/transcriptions" \
  -H "Authorization: Bearer $GROQ_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F "file=@AUDIO_FILE" \
  -F "model=whisper-large-v3-turbo" \
  -F "response_format=verbose_json" \
  -F "language=zh" \
  > /tmp/media_transcript.json

# 提取纯文本
python3 -c "import json; print(json.load(open('/tmp/media_transcript.json'))['text'])"

Whisper 模型选项:

模型速度准确率使用场景
whisper-large-v3-turbo10 倍实时高默认选择
whisper-large-v35 倍实时最高专业/嘈杂内容

语言参数:

  • 中文:language=zh
  • 英文:language=en
  • 自动检测:省略 language 参数

步骤 3:结构化摘要

根据媒体类型选择输出格式:

视频(≤20 分钟):

  1. 概述(1-2 句话)
  2. 关键点(3-5 个要点)
  3. 重要引文(如有)
  4. 行动项(如适用)

播客(>20 分钟):

  1. 概述(2-3 句话:谁讨论了什么)
  2. 章节摘要(按主题分段,每段 2-3 句话)
  3. 关键点(5-8 个要点)
  4. 重要引文
  5. 行动项(如适用)

输出格式

视频

## 📺 视频摘要

**标题**:[视频标题]
**时长**:[x 分钟]
**语言**:[中文/英文]

### 概述
[1-2 句话摘要]

### 关键点
1. [要点 1]
2. [要点 2]
...

### 重要引文
> "xxx" — [时间戳]

### 行动项
- [如适用]

播客

## 🎙️ 播客摘要

**节目**:[播客名称]
**单集**:[单集标题]
**时长**:[x 分钟]
**嘉宾**:[如有]

### 概述
[2-3 句话:谁讨论了什么,核心结论]

### 章节摘要
#### 1. [主题] (~xx:xx-xx:xx)
[2-3 句话的核心内容]

#### 2. [主题] (~xx:xx-xx:xx)
[2-3 句话的核心内容]
...

### 关键点
1. [要点 1]
2. [要点 2]
...

### 重要引文
> "xxx"

### 行动项
- [如适用]

错误处理

情况操作
无字幕且无 GROQ_API_KEY提示用户设置 API 密钥
无字幕但有 API 密钥自动 Whisper 转写
小宇宙 curl 提取为空使用 Puppeteer/浏览器获取渲染后的 HTML
音频 >25MBffmpeg 切片(10 分钟/段),顺序转写
播客 >2 小时警告用户时长,确认后再继续
Groq 524 超时不要并行化 — 顺序转写,切片间暂停 5-8 秒
Groq 429 速率限制每小时 7200 秒限制,等待 retry-after 头,然后重试
yt-dlp Bilibili 412改用 Bilibili API(步骤 1d)
yt-dlp YouTube 机器人检测添加 --cookies-from-browser chrome
网络超时重试一次
Spotify 链接告知用户:不支持(DRM 保护)

Groq Whisper 限制

  • 每请求最大 25MB
  • 免费套餐:每小时 7200 秒音频(滚动窗口),约 20 小时/天
  • 支持的格式:mp3、mp4、mpeg、mpga、m4a、wav、webm

依赖

  • yt-dlp:视频下载 + 字幕提取
  • ffmpeg:音频转换 + 切片
  • curl:小宇宙音频下载、Bilibili API
  • GROQ_API_KEY:Whisper 转写 API(免费获取:https://console.groq.com/keys)

相关技能