Communitygithub.com

runesleo/x-reader

將影片或播客連結(包括 YouTube、Bilibili、X 影片、小宇宙、Apple Podcasts 以及直接媒體 URL)轉錄並總結。

x-reader 是什麼?

此技能會自動偵測媒體 URL(例如 YouTube、Bilibili、X/Twitter、小宇宙、Apple Podcasts 以及直接 mp3/mp4/m3u8 連結),並產生完整的逐字稿與結構化摘要。它首先嘗試提取現有字幕(主要是 YouTube 和 Bilibili),若無字幕則下載音訊,使用 Groq Whisper API 進行語音辨識,最後根據內容長度(影片 ≤20 分鐘、播客 >20 分鐘)輸出包含概述、重點、引語與行動項目的摘要。支援多種平台與錯誤處理機制(如 Bilibili API 替代方案、大型音訊分段轉錄、Groq 速率限制處理),需設定 `GROQ_API_KEY` 環境變數。

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

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

影片與播客摘要技能

發送一個影片/播客連結 → 取得完整逐字稿 + 結構化摘要

支援平台

平台類型字幕Whisper 轉錄
YouTube影片✅✅
Bilibili影片✅✅
X/Twitter影片❌✅
小宇宙 (Xiaoyuzhou)播客❌✅
Apple Podcasts播客❌✅
直接連結 (mp3/mp4/m3u8)任何❌✅

觸發條件

偵測到媒體 URL 時自動觸發:

  • YouTube:youtube.com、youtu.be
  • Bilibili:bilibili.com、b23.tv
  • X/Twitter:x.com、twitter.com(含影片的推文)
  • 小宇宙:xiaoyuzhoufm.com
  • Apple Podcasts:podcasts.apple.com
  • 直接連結:.mp3、.mp4、.m3u8、.m4a、.webm

處理管線

步驟 0:偵測媒體類型

URL 模式類型管線
xiaoyuzhoufm.com/episode/播客→ 步驟 1b(小宇宙)
podcasts.apple.com播客→ 步驟 1c(Apple)
bilibili.com、b23.tv影片→ 步驟 1d(Bilibili API)
.mp3、.m4a 直接連結音訊→ 步驟 2b(直接下載)
其他影片→ 步驟 1a(字幕提取)

步驟 1a:影片 — 提取字幕

# 清理暫存檔
rm -f /tmp/media_sub*.vtt /tmp/media_audio.mp3 /tmp/media_transcript*.json /tmp/media_segment_*.mp3 2>/dev/null || true

# YouTube(偏好英文,備用中文)
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"

檢查字幕:

ls /tmp/media_sub*.vtt 2>/dev/null
  • 有字幕 → 讀取 VTT 內容,跳到步驟 3
  • 無字幕 → 步驟 2a(下載音訊)

步驟 1b:小宇宙 — 提取音訊網址

# 從 __NEXT_DATA__ 提取 CDN 直接連結
# 小宇宙是 Next.js SPA,但初始 HTML 包含 __NEXT_DATA__ 中的音訊網址
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 "Audio URL: $AUDIO_URL"

# 下載音訊
curl -L -o /tmp/media_audio.mp3 "$AUDIO_URL"

如果 curl 提取結果為空(罕見),備用方案:使用 Puppeteer/瀏覽器取得渲染後的頁面並提取。

→ 步驟 2b(檢查大小並轉錄)

步驟 1c:Apple Podcasts — 透過 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"

→ 步驟 2b(檢查大小並轉錄)

步驟 1d:Bilibili — API 直接音訊串流

即使提供 cookies,yt-dlp 對 Bilibili 仍會回傳 412。改用 Bilibili 的 API:

# 1. 從網址提取 BV 號碼
BV="BV1xxxxx"  # 替換為實際 BV 號碼

# 2. 取得影片資訊(標題、長度、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'Title: {d['title']}\nDuration: {d['duration']}s\nCID: {d['cid']}')"

# 3. 取得音訊串流網址
CID=<上一步取得的 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. 下載音訊(需要 Referer 標頭,否則會 403)
curl -L -o /tmp/media_audio.m4s \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/" "$AUDIO_URL"

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

→ 步驟 2b(檢查大小並轉錄)

步驟 2a:影片 — 下載音訊(無字幕時)

# YouTube 可能需要 --cookies-from-browser chrome 來繞過機器人偵測
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"

步驟 2b:檢查音訊大小與分段

FILE_SIZE=$(stat -f%z /tmp/media_audio.* 2>/dev/null || stat -c%s /tmp/media_audio.* 2>/dev/null)
echo "File size: $FILE_SIZE bytes"
  • ≤ 25MB (25000000) → 步驟 2c(直接轉錄)
  • > 25MB → 先分割,再逐一轉錄每個段落

大型音訊分割(>25MB):

# 取得總長度
DURATION=$(ffprobe -v error -show_entries format=duration -of csv=p=0 /tmp/media_audio.* | head -1)

# 分割為 10 分鐘段落(確保每段小於 25MB)
SEGMENT_SEC=600
SEGMENTS=$(python3 -c "import math; print(math.ceil(float('$DURATION')/$SEGMENT_SEC))")

# 切割段落
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

→ 依序對每個段落呼叫步驟 2c(並行會觸發 Groq 524 逾時),然後串接結果

步驟 2c:Whisper 轉錄

先決條件:GROQ_API_KEY 環境變數

# 檢查 API 金鑰
if [ -z "$GROQ_API_KEY" ]; then
  echo "❌ GROQ_API_KEY 未設定。請至 https://console.groq.com/keys 取得"
  exit 1
fi

# 轉錄單一檔案(將 AUDIO_FILE 替換為實際路徑)
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

# 提取純文字
python3 -c "import json; print(json.load(open('/tmp/media_transcript.json'))['text'])"

Whisper 模型選項:

模型速度準確度使用情境
whisper-large-v3-turbo即時 10 倍高預設選擇
whisper-large-v3即時 5 倍最高專業/吵雜內容

語言參數:

  • 中文:language=zh
  • 英文:language=en
  • 自動偵測:省略 language 參數

步驟 3:結構化摘要

根據媒體類型選擇輸出格式:

影片(≤20 分鐘):

  1. 概述(1-2 句)
  2. 重點(3-5 個要點)
  3. ** Notable Quotes **(若有的話)
  4. 行動項目(若適用)

播客(>20 分鐘):

  1. 概述(2-3 句:誰討論了什麼)
  2. 章節摘要(按主題分段,每段 2-3 句)
  3. 重點(5-8 個要點)
  4. ** Notable Quotes **
  5. 行動項目(若適用)

輸出格式

影片

## 📺 影片摘要

**標題**:[影片標題]
**長度**:[x 分鐘]
**語言**:[中文/英文]

### 概述
[1-2 句摘要]

### 重點
1. [要點 1]
2. [要點 2]
...

### Notable Quotes
> "xxx" — [時間戳]

### 行動項目
- [若適用]

播客

## 🎙️ 播客摘要

**節目**:[播客名稱]
**集數**:[集數標題]
**長度**:[x 分鐘]
**來賓**:[若有的話]

### 概述
[2-3 句:誰討論了什麼、核心結論]

### 章節摘要
#### 1. [主題] (~xx:xx-xx:xx)
[2-3 句核心內容]

#### 2. [主題] (~xx:xx-xx:xx)
[2-3 句核心內容]
...

### 重點
1. [要點 1]
2. [要點 2]
...

### Notable Quotes
> "xxx"

### 行動項目
- [若適用]

錯誤處理

情況處理方式
無字幕 + 無 GROQ_API_KEY提示使用者設定 API 金鑰
無字幕 + 有 API 金鑰自動 Whisper 轉錄
小宇宙 curl 提取為空使用 Puppeteer/瀏覽器取得渲染後的 HTML
音訊 >25MBffmpeg 分段(10 分鐘/段),依序轉錄
播客 >2 小時警告使用者長度,確認後再繼續
Groq 524 逾時不要平行化處理 — 依序轉錄,段落間暫停 5-8 秒
Groq 429 速率限制每小時 7200 秒限制,等待 retry-after 標頭後重試
yt-dlp Bilibili 412改用 Bilibili API(步驟 1d)
yt-dlp YouTube 機器人偵測加上 --cookies-from-browser chrome
網路逾時重試一次
Spotify 連結告知使用者:不支援(受 DRM 保護)

Groq Whisper 限制

  • 每個請求最大 25MB
  • 免費方案:每小時 7200 秒音訊(滑動視窗),每天約 20 小時
  • 支援格式:mp3、mp4、mpeg、mpga、m4a、wav、webm

依賴項目

  • yt-dlp:影片下載 + 字幕提取
  • ffmpeg:音訊轉換 + 分段
  • curl:小宇宙音訊下載、Bilibili API
  • GROQ_API_KEY:Whisper 轉錄 API(免費,請至 https://console.groq.com/keys 取得)

相關技能