video-to-text

把视频链接或本地录音转成文字稿。全程在本机跑，不花钱，音频不上传。

python3 scripts/transcribe.py "https://www.bilibili.com/video/BVxxxxx"
python3 scripts/transcribe.py ~/Desktop/周会录音.m4a

为什么再造一个

市面上的转写工具，要么按分钟收费（云端语音接口普遍 1 元/分钟上下），要么要求你把音频传上去。

这两件事对某些场景是硬伤：内部会议录音、客户访谈、未发布的素材，根本不能传给第三方。

这个 skill 用开源的 Whisper 模型在本机跑完，没有密钥，没有额度，没有上传。

能转什么

• 网上的：B站、YouTube、抖音、微博、知乎、小红书、西瓜视频、TikTok…… 1700+ 站点（底层是 yt-dlp）。快手不支持。
• 本机的：会议录音、访谈、播客、课程录屏，常见音视频格式都行。

装

pip install faster-whisper
brew install yt-dlp ffmpeg          # Windows 用 winget / scoop
pip install mlx-whisper             # 仅苹果 M 系列芯片，装了快很多

机器适配

不用手动配，脚本自己探测：

| 机器 | 后端 | |---|---| | 苹果 M 系列芯片 | mlx-whisper，走 GPU | | 有英伟达显卡 | faster-whisper，走 CUDA | | 其他（英特尔 Mac / 无独显的 Windows、Linux） | faster-whisper，走 CPU |

两个也许有用的设计

领域词表。转专业内容时同音字会错得离谱——「夏普比率」听成「下铺比率」。喂一段本领域词汇进去能明显改善。自带投资/量化的例子，换成医学、法律、技术的照着写就行，见 prompts/README.md。

不自动进库。产物只落输出目录，不会自动写进你的笔记库。要不要留、留到哪，你自己决定。

完整文档

见 SKILL.md。

出处与许可

底座参考了 ClawHub 上的 douyin-video-to-txt。本版改动：多后端自动适配、支持本地文件、可替换的领域词表、模型可选、输出目录可配置。

MIT。