Bilibili transcribe

Skill chubbyguan/chubbyskills/bilibili-transcribe

把中文全渠道内容（抖音 / B站 / 小红书 / 公众号 / X / 播客）采集进个人知识库的 13 个 AI Skill：图文存图、视频转文字稿、字幕优先免 GPU，附带知识库 MCP server。｜ Ingest Chinese content into your personal knowledge base — image/video routing, subtitle-first transcription, and a KB MCP server.

Install

npx -y skills add chubbyguan/chubbyskills --skill bilibili-transcribe

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

What its author says it does

Copied from the file, not written here

哔哩哔哩视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。支持 BV 号和完整链接，无需登录。

SKILL.md

3.0 KB, as published. Nobody here has run it

B 站视频转录 Skill

字幕优先：先尝试抓取官方/自动字幕（秒级、免 GPU、免 funasr）；抓不到再下载音频用 SenseVoice-Small 转录，存为 Markdown 文件。加 --no-subtitle 可强制走音频转录。

环境要求

# Python 3.9+
python -m venv .venv
source .venv/bin/activate

# 依赖
pip install funasr modelscope torch torchaudio

# 系统依赖
# macOS: brew install ffmpeg yt-dlp
# Ubuntu: sudo apt install ffmpeg && pip install yt-dlp

使用方法

python scripts/transcribe.py "https://www.bilibili.com/video/BV1rrQGBeEen/"
python scripts/transcribe.py "BV1rrQGBeEen"
python scripts/transcribe.py "BV1rrQGBeEen" --no-subtitle   # 强制音频转录

# 批量处理：每行一个 B站 URL 或 BV 号
python scripts/batch_transcribe.py ../../examples/bilibili-urls.txt -o ./output

流程

Step 1: yt-dlp 下载音频

B 站有反爬机制，需要加 User-Agent 和 Referer：

yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
  --user-agent "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) ..." \
  --referer "https://www.bilibili.com" \
  "https://www.bilibili.com/video/BV1rrQGBeEen/"

Step 2: SenseVoice-Small 转录

from funasr import AutoModel
from funasr.utils.postprocess_utils import rich_transcription_postprocess

model = AutoModel(
    model="iic/SenseVoiceSmall",
    trust_remote_code=True,
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    device="cpu",
)

result = model.generate(input=audio_path, language="zh", use_itn=True, batch_size_s=60)

Step 3: 生成 Markdown

自动创建带 frontmatter 的 Markdown 文件。

批量模式

scripts/batch_transcribe.py 会逐条调用单篇转录脚本，默认单条失败后继续处理下一条；需要严格模式时加 --stop-on-error。

性能数据

视频时长	转录耗时
5 min	~10s
10 min	~20s
30 min	~60s

已知限制

B 站 4K/1080P60 需要大会员，普通用户可下载 720P 以下
SenseVoice-Small 模型首次下载约 893MB
不支持说话人分离
合集视频会下载第一个分 P

参考项目

yt-dlp/yt-dlp - 视频下载工具
FunAudioLLM/SenseVoice - 语音识别模型

⚖️ 合规声明

仅供个人学习与研究使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。