shield_lock
JinDaGe
← Back to skills
extension
Category: OtherNo API key required

视频批量转录

通用视频批量转录工具 - 支持 1000+ 网站（B 站、YouTube、抖音、Twitch 等），使用 yt-dlp 批量下载视频音频，GPU 加速语音转文字（faster-whisper + CUDA），自动校正专业术语，生成结构化学习笔记。支持断点续传、批量导出、多格式输出、需要登录的网站配置。

personAuthor: shenghoo123-pnghubclawhub
open_in_newRepositorydownloadDownload package

Video Batch Transcript

通用视频批量转录工具 - 支持 1000+ 网站

核心功能

  • 🌐 全网支持 - 基于 yt-dlp，支持 1000+ 网站（B 站、YouTube、抖音、Twitch 等）
  • 📥 批量下载 - 支持单视频、合集、播放列表、频道
  • 🚀 GPU 加速转录 - faster-whisper + CUDA，比 OpenAI Whisper 快 4-6 倍
  • 📝 结构化笔记 - 自动生成单集笔记 + 完整汇总
  • 🔧 术语校正 - 自动识别和校正专业术语
  • 💾 断点续传 - 支持中断后继续处理
  • 📤 多格式导出 - txt/md/docx，可选写入飞书文档
  • 🔐 登录支持 - 支持需要登录的网站（cookies 配置）

支持的网站

🇨🇳 国内平台

| 平台 | 支持类型 | 需要登录 | |------|----------|----------| | 哔哩哔哩 (Bilibili) | 视频、合集、频道 | 部分 | | 抖音 (Douyin) | 视频、合集 | 部分 | | 快手 (Kuaishou) | 视频 | 部分 | | 西瓜视频 | 视频、合集 | 部分 | | 腾讯视频 | 视频、剧集 | 部分 | | 爱奇艺 | 视频、剧集 | 部分 | | 优酷 | 视频、剧集 | 部分 | | 微博视频 | 视频 | 否 | | 小红书 | 视频 | 部分 |

🌍 国际平台

| 平台 | 支持类型 | 需要登录 | |------|----------|----------| | YouTube | 视频、播放列表、频道 | 部分 | | Vimeo | 视频、合集 | 部分 | | Dailymotion | 视频、播放列表 | 部分 | | Twitch | 视频、频道 | 部分 | | Twitter/X | 视频 | 否 | | Instagram | 视频、Reels | 部分 | | TikTok | 视频 | 部分 | | Facebook | 视频 | 部分 |

📺 流媒体 (需登录)

  • Netflix、Hulu、HBO、Disney+、Amazon Prime

🎵 音频平台

  • SoundCloud、Bandcamp、Spotify、Apple Music

📚 教育平台

  • Coursera、edX、Udemy、Khan Academy、TED

完整支持列表: https://github.com/yt-dlp/yt-dlp/blob/master/supportedsites.md

快速开始

1. 安装依赖

cd /root/.openclaw/workspace/skills/video-batch-transcript
pip install -r requirements.txt

2. 检查环境

python scripts/check_env.py

3. 基本使用

# YouTube 视频
python scripts/batch_transcript.py \
  --url "https://www.youtube.com/watch?v=xxx" \
  --output-dir "~/video-notes"

# B 站合集
python scripts/batch_transcript.py \
  --url "https://space.bilibili.com/xxx/channel/collectiondetail?sid=xxx" \
  --output-dir "~/video-notes"

# YouTube 播放列表
python scripts/batch_transcript.py \
  --url "https://www.youtube.com/playlist?list=xxx" \
  --output-dir "~/video-notes"

高级功能

1. 使用 Cookies（需要登录的网站）

# 从浏览器获取 cookies（推荐）
python scripts/batch_transcript.py \
  --url "https://www.youtube.com/watch?v=xxx" \
  --cookies-from-browser chrome

# 支持浏览器：chrome, firefox, safari, edge, brave, opera

# 或使用 cookies 文件
python scripts/batch_transcript.py \
  --url "https://www.netflix.com/title/xxx" \
  --cookies "cookies/netflix.txt"

2. 指定视频质量

# 下载最佳质量
python scripts/batch_transcript.py \
  --url "xxx" \
  --format "best"

# 下载 1080p
python scripts/batch_transcript.py \
  --url "xxx" \
  --format "bestvideo[height<=1080]+bestaudio/best[height<=1080]"

# 仅音频
python scripts/batch_transcript.py \
  --url "xxx" \
  --format "bestaudio"

3. 并行处理

# 使用 4 个进程并行处理
python scripts/batch_transcript.py \
  --url "xxx" \
  --workers 4

4. 断点续传

# 自动续传（默认）
python scripts/batch_transcript.py --url "xxx"

# 强制重新处理
python scripts/batch_transcript.py --url "xxx" --no-resume

配置选项

命令行参数

| 参数 | 说明 | 默认值 | |------|------|--------| | --url | 视频/合集 URL | 必填 | | --output-dir | 输出目录 | ~/video-notes | | --episodes | 指定集数 (e.g., "1-5,8,10") | 全部 | | --model | Whisper 模型 (tiny/base/small/medium/large) | small | | --device | 设备 (auto/cuda/cpu) | auto | | --language | 语言代码 (zh/en/ja 等) | auto | | --format | 视频格式选择 | bestaudio | | --cookies-from-browser | 浏览器 cookies | 无 | | --cookies | cookies 文件路径 | 无 | | --terminology | 术语表 JSON 文件路径 | 内置 | | --workers | 并行处理数 | 1 | | --no-resume | 禁用断点续传 | 否 | | --check-env | 仅检查环境 | 否 |

配置文件

创建 config/config.yaml：

# 默认输出目录
output_dir: ~/video-notes

# Whisper 模型设置
whisper:
  model: small
  device: auto  # auto/cuda/cpu
  language: auto  # auto/zh/en/ja 等
  compute_type: float16

# 下载设置
download:
  format: bestaudio  # 默认下载格式
  audio_format: mp3  # 音频输出格式
  audio_quality: 192  # 音频质量 (kbps)
  
  # Cookies 配置（可选）
  cookies:
    enabled: false
    browser: chrome  # chrome/firefox/safari/edge
    file: ""  # 或使用 cookies 文件路径

# 输出格式
export:
  formats: [md, txt]  # md/txt/docx
  include_timestamps: false
  include_summary: true

# 术语校正
terminology:
  enabled: true
  custom_file: ""

# 并行处理
parallel:
  workers: 1
  max_memory_gb: 8

使用示例

示例 1: YouTube 教程系列

# 下载整个播放列表并转录
python scripts/batch_transcript.py \
  --url "https://www.youtube.com/playlist?list=PLxxx" \
  --output-dir "~/youtube-ml-course" \
  --device cuda \
  --model medium

示例 2: B 站 UP 主频道

# 下载 UP 主所有视频
python scripts/batch_transcript.py \
  --url "https://space.bilibili.com/123/channel/collectiondetail?sid=456" \
  --output-dir "~/bilibili-ai-series" \
  --episodes "1-20"

示例 3: 抖音合集

# 下载抖音合集（可能需要 cookies）
python scripts/batch_transcript.py \
  --url "https://www.douyin.com/collection/xxx" \
  --output-dir "~/douyin-notes" \
  --cookies-from-browser chrome

示例 4: Twitch 频道视频

# 下载 Twitch 频道视频
python scripts/batch_transcript.py \
  --url "https://www.twitch.tv/xxx/videos" \
  --output-dir "~/twitch-vods" \
  --language en

示例 5: 多平台混合处理

# 创建脚本处理多个平台的视频
cat > process_all.sh << 'EOF'
#!/bin/bash

# YouTube
python scripts/batch_transcript.py \
  --url "https://youtube.com/playlist?list=xxx" \
  --output-dir "~/notes/youtube"

# B 站
python scripts/batch_transcript.py \
  --url "https://space.bilibili.com/xxx/collectiondetail?sid=xxx" \
  --output-dir "~/notes/bilibili"

# Vimeo
python scripts/batch_transcript.py \
  --url "https://vimeo.com/album/xxx" \
  --output-dir "~/notes/vimeo"
EOF

chmod +x process_all.sh
./process_all.sh

输出结构

~/video-notes/
├── 合集或频道名称/
│   ├── 001_视频标题/
│   │   ├── audio.mp3          # 音频文件
│   │   ├── transcript.txt     # 原始转录
│   │   ├── notes.md          # 结构化笔记
│   │   └── metadata.json      # 元数据（含来源网站）
│   ├── 002_视频标题/
│   │   └── ...
│   ├── 合集汇总.md            # 完整汇总笔记
│   └── metadata.json          # 合集元数据

网站特定配置

YouTube

# 推荐：使用 cookies 避免 403 错误
python scripts/batch_transcript.py \
  --url "https://youtube.com/watch?v=xxx" \
  --cookies-from-browser chrome

# 下载字幕（如果有）
python scripts/batch_transcript.py \
  --url "https://youtube.com/watch?v=xxx" \
  --write-subs \
  --sub-langs zh-Hans,en

B 站 (Bilibili)

# 普通视频（无需登录）
python scripts/batch_transcript.py \
  --url "https://www.bilibili.com/video/BVxxx"

# 需要登录的合集
python scripts/batch_transcript.py \
  --url "https://space.bilibili.com/xxx/collectiondetail?sid=xxx" \
  --cookies-from-browser chrome

抖音/TikTok

# 可能需要 cookies
python scripts/batch_transcript.py \
  --url "https://www.douyin.com/video/xxx" \
  --cookies-from-browser chrome

Netflix/流媒体

# 需要 cookies 文件
# 1. 使用浏览器扩展导出 cookies
# 2. 保存为 netscape 格式
python scripts/batch_transcript.py \
  --url "https://www.netflix.com/title/xxx" \
  --cookies "cookies/netflix.txt"

模型选择建议

| 模型 | 显存需求 | 转录速度 | 准确率 | 适用场景 | |------|----------|----------|--------|----------| | tiny | ~1 GB | 最快 | 一般 | 快速测试、低配设备 | | base | ~1 GB | 快 | 较好 | 日常使用 | | small | ~2 GB | 中等 | 好 | 推荐默认 | | medium | ~5 GB | 较慢 | 很好 | 高质量需求 | | large | ~10 GB | 最慢 | 最佳 | 专业场景 |

故障排除

常见问题

| 问题 | 原因 | 解决方案 | |------|------|----------| | HTTP 403 | 网站阻止请求 | 使用 --cookies-from-browser | | 需要登录 | 内容需认证 | 配置 cookies | | 下载慢 | 网络问题 | 使用代理或 CDN | | 转录错误 | 音频损坏 | 重新下载音频 | | 内存不足 | 模型太大 | 使用更小模型或减少 workers |

获取 Cookies

方法 1: 从浏览器自动获取（推荐）

python scripts/batch_transcript.py \
  --url "xxx" \
  --cookies-from-browser chrome

方法 2: 导出 cookies 文件

  1. 安装浏览器扩展（如 "Get cookies.txt"）
  2. 登录目标网站
  3. 导出 cookies 为 Netscape 格式
  4. 使用 --cookies "path/to/cookies.txt"

GPU 加速检查

# 检查 CUDA
python -c "import torch; print(f'CUDA: {torch.cuda.is_available()}')"

# 查看 GPU
nvidia-smi

更新日志

v1.0.0 (2026-03-05)

  • 初始版本
  • 支持 1000+ yt-dlp 兼容网站
  • GPU 加速转录 (faster-whisper)
  • 结构化笔记生成
  • 断点续传
  • 多格式导出
  • Cookies 登录支持

许可证

MIT License