Communitygithub.com

批次影片轉錄

從批次影片中提取完整時間軸音頻,產生帶時間戳的中文轉錄稿、說話者分段、Word 文件和本地 HTML 搜尋功能。僅在明確調用 batch-video-transcription 時使用。

批次影片轉錄 是什麼?

這是一個專門用於批次轉錄影片的 AI 代理技能,支援從影片批次中提取完整時間軸音頻,並產生多種輸出格式,包括帶時間戳的中文轉錄稿、說話者分段、Word 文件以及本地 HTML 搜尋功能。該技能僅在使用者明確調用時啟動,且目前唯一實現的語音辨識提供商為阿里雲北京 Fun-ASR。其主要工作流程包括:確認媒體範圍與獨立工作目錄、透過本地介面準備批次、報告成本估算並取得使用者授權、私密輸入 API 金鑰、以及驗證輸出檔案。技能也包含完善的復原機制,能保留任務 ID、嘗試歷史與成本預留,避免重複提交或重複收費。它強制保持純本地操作,金鑰不持久化,且不分享工作階段連結。支援多種開發工具平台,如 Claude Code、Cursor、Codex 等。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

批次影片轉錄 是做什麼的?

僅在明確調用後使用。阿里雲北京 Fun-ASR 是唯一已實現的辨識提供商。調用不授權軟體安裝、音頻上傳、消費或公開發布。

工作流程

  1. 確定精確的媒體範圍與獨立工作目錄。保留原始影片。檢查穩定的下載、音軌、可用空間、Python 3.10+、FFmpeg 與 ffprobe。僅在需要設定時閱讀依賴項;重複使用相容環境並在安裝前取得許可。
  2. 優先使用本地介面(python scripts/app.py),以便使用者選擇資料夾並進行審查。對於現有批次,使用 --work '<work>';不要重新初始化它。準備工作在本地完成,選定的子集絕不能靜默擴展。預設匯出資料夾為 <source>/Transcription-Export;在不刪除或覆蓋先前輸出的情況下解決衝突。參見執行以了解 CLI 準備和精確範圍選項。
  3. 報告實際計數、時長、目標位置和當前價格估算。取得此批次上傳和總限制的許可。自動考慮先前可能的費用;不要要求使用者計算剩餘預算。保留成本不是實際帳單或可用帳戶額度。
  4. 讓使用者在本地遮罩欄位中私密輸入金鑰並確認批次。絕不能透過聊天、螢幕截圖、DOM、請求、檔案或進程記憶體讀取金鑰。保持當前操作運行,而不是替換它以修復不相關的項目。僅觀察無金鑰的任務狀態和輸出。
  5. 根據每個來源驗證交付的檔案,包括時間戳和文字。將提供商確認的無詞結果視為正常完成的輸出,並附上簡短的事實說明,而不是作為靜默的證據。區分未解決的提交、真正的失敗和未完成的下載與完成。在要求時使用 python scripts/merge_export.py --work '<work>' 生成合併的 Word 摘要。保留措辭和每個影片的說話者 ID。報告任何未執行的聽取、播放或視覺檢查。

復原

每個批次保持一個寫入器,並保留任務 ID、嘗試歷史和成本預留。查詢已知 ID;不要重新提交它們來恢復下載。使用有限的重試/退避處理瞬態查詢,並隔離未解決的項目,以便不相關的工作可以繼續。不要清除鎖定或擦除故障歷史以強制進度。

遺失的提交回應可能仍已產生費用。保留不確定的嘗試。在可能的情況下進行核對,或在有限的新嘗試之前獲得對可能重複費用的明確接受,且兩次預留都在授權總額內。不要聲明恰好一次的交付。更大的預算是使用者的單獨決定。

在提供復原操作之前尊重使用者暫停。正在進行中的請求無法撤銷;在安全邊界保存返回的 ID。來源/磁碟變更、憑證錯誤和配額失敗需要診斷,而不是盲目重試。閱讀操作以了解狀態和憑證邊界,以及執行以了解復原命令。

範圍與維護

保持介面僅限本地,不要分享其工作階段連結。金鑰在進程重啟後不會持久化。不要宣傳系統鑰匙圈儲存或未經測試的主機/平台行為為已實現。

僅在添加提供商時載入提供商,以及僅在安裝或分發特定主機副本時載入主機打包。程式碼變更後執行 python scripts/check_tests.py;模擬測試不能證明即時辨識。僅打包原始碼、文件和測試,永遠不要打包運行時資料或憑證。

相關技能