影片轉錄
在無頭模式下執行此儲存庫的管道:當平台字幕可用時使用平台字幕(精確到秒),否則以本地 Whisper 作為備用,接著進行最佳化 -> 翻譯 -> 摘要。
執行前
必須從 AI Video Transcriber 儲存庫根目錄執行命令,且需要專案的 virtualenv 及 ffmpeg。每個會話驗證一次:
ls venv/bin/python && command -v ffmpeg
- 沒有 venv:執行
./install.sh,或python3 -m venv venv && venv/bin/pip install -r requirements.txt。 - 沒有 ffmpeg:先在 macOS 上使用
brew install ffmpeg安裝,或在 Debian/Ubuntu 上使用sudo apt install ffmpeg。若未安裝,請勿繼續;音訊提取將會失敗。
執行它
venv/bin/python transcribe.py "<URL 或檔案路徑>" --json
請務必傳遞 --json:它會將機器可讀的輸出傳送到 stdout,並將進度訊息保留在 stderr。請解析 JSON 而非擷取記錄行。
有用的旗標:
| 旗標 | 使用時機 |
|---|---|
-l, --summary-language <代碼> | 摘要語言:en、zh、es、fr、de、it、pt、ru、ja、ko、ar。預設 en |
--no-llm | 無可用 API 金鑰,或使用者只需原始轉錄稿。跳過最佳化/翻譯/摘要 |
--no-video | 使用者不希望保留來源影片 |
--whisper-model small | 準確性比速度更重要。tiny 到 large,預設 base |
-o <目錄> | 將 Markdown 寫入 ./temp 以外的位置 |
LLM 步驟需要透過 OPENAI_API_KEY 提供 OpenAI 相容的金鑰,並可選用 OPENAI_BASE_URL。若無金鑰,管道仍會進行轉錄,但僅使用基本格式;當使用者僅需轉錄稿時,建議使用 --no-llm。
提供者設定:
export OPENAI_API_KEY="你的_api_金鑰"
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"
export OPENAI_TRANSLATION_MODEL="gpt-4o" # 可選
對於一次性執行,transcribe.py 也接受 --api-key、--base-url 和 --model。盡可能優先使用環境變數,以免 API 金鑰被寫入 shell 歷史記錄。
讀取結果
{
"title": "...",
"no_speech": false,
"detected_language": "en",
"files": { "raw": "...", "transcript": "...", "summary": "...", "translation": "..." },
"media": { "path": "...", "kind": "video", "size_bytes": 2243691 }
}
讀取 transcript 和 summary 路徑以取得內容。當來源語言與摘要語言不同時,translation 才會出現。
關鍵:no_speech
當 "no_speech": true 時,表示來源內容不含語音。不存在轉錄稿、摘要或翻譯。管道會刻意跳過 LLM,以免產生虛假內容。
如果您看到此情況,請告知使用者該影片沒有語音。請勿猜測內容、從標題推斷,或描述影片可能說了什麼。
失敗模式
- 退出碼
2:輸入錯誤,例如檔案不存在、不支援的副檔名或空白文字檔案。請回報訊息並修正引數。 - 退出碼
1:下載/轉碼失敗,通常是 URL 無法存取、區域封鎖/私人影片,或缺少 ffmpeg。請回報實際錯誤。 - 第一次執行時會下載 Whisper 權重,因此可能看起來停滯約一分鐘。
- 在 Whisper 模式下,長時間的影片處理較慢。如果沒有平台字幕可用,請在開始前警告使用者。