Podcast 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.
npx -y skills add chubbyguan/chubbyskills --skill podcast-transcribeAssembled 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
播客/小宇宙 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持 RSS 批量下载、单集链接转录。
SKILL.md
2.6 KB, as published. Nobody here has run it
播客转录 Skill
将播客音频下载并转录为文字，存为 Markdown 文件。支持小宇宙、喜马拉雅等平台。
环境要求
# Python 3.9+
python -m venv .venv
source .venv/bin/activate
# 依赖
pip install faster-whisper
# 系统依赖
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
使用方法
单集转录
python scripts/transcribe.py "https://www.xiaoyuzhoufm.com/episode/xxxxx"
批量转录（RSS）
python scripts/batch_transcribe.py --rss-url "http://www.ximalaya.com/album/xxxxx.xml" --count 10
流程
Step 1: 下载音频
支持多种来源：
- 小宇宙单集链接（自动从页面提取音频 URL）
- 喜马拉雅链接
- 直接音频 URL（.mp3/.m4a/.wav）
- RSS feed 中的音频链接
注意：小宇宙/喜马拉雅等平台会从页面 HTML 中自动解析 og:audio、<audio> 标签或内嵌 JSON 获取真实音频地址，无需手动提取。
Step 2: faster-whisper 转录
from faster_whisper import WhisperModel
model = WhisperModel('small', device='cpu', compute_type='int8')
segments, info = model.transcribe(
audio_path,
language='zh',
beam_size=5,
vad_filter=True,
)
Step 3: 生成 Markdown
自动创建带 frontmatter 的 Markdown 文件。
性能数据
| 模型 | 速度 (CPU) | 中文准确率 |
|---|---|---|
| faster-whisper tiny | ~149s/1h | 一般 |
| faster-whisper small | ~10min/h | 良好 (~85-90%) |
| faster-whisper large-v3 | ~30-60min/h | 最佳 |
已知限制
- CPU 推理较慢，长播客需要较长时间
- 中文准确率约 85-90%，需要人工校对
- 首次运行会下载模型（small: ~461MB）
- 不支持说话人分离
参考项目
- SYSTRAN/faster-whisper - Whisper 的 CTranslate2 实现
- OpenAI Whisper - 原始 Whisper 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。