Zhishuo transcribe video

Skill zgzdhr/zhishuo-workflows/skills/zhishuo-transcribe-video

把真实项目经验整理成可安装、可检查、可追溯的 Agent Skills｜PDF、视频、文档、项目收口与视觉审美工作流

Install

npx -y skills add zgzdhr/zhishuo-workflows --skill zhishuo-transcribe-video

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

2 things to look at

15 days oldThe repository was created 15 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Use when the user wants one or many Bilibili or YouTube videos, a Bilibili uploader, a YouTube channel or playlist, subtitle files, or local videos converted into traceable transcript assets. Discover and deduplicate batches, then prefer manual platform subtitles, automatic subtitles, and only then ASR for every item. Do not use for video editing, PDF rendering, or summaries alone.

SKILL.md

5.4 KB, ~1.7k tokens by cl100k_base, as published. Nobody here has run it

字幕优先的视频转写

核心锚点是“字幕优先”：人工字幕 → 平台自动字幕 → ASR。原始字幕或原始转写是证据，AI 整理稿不能覆盖它。

支持范围

单条、多个或 URL 文件中的 B 站、YouTube 视频；
B 站 UP 主空间、YouTube 频道或播放列表的批量发现；
已有 .srt / .vtt 字幕；
本地视频文件的 ASR 分支；
每条视频独立记录来源、成功、待 ASR 或失败状态，可断点续跑。

固定输出合同

output/
├── raw/
├── clean/
├── review/
├── status/
├── source-manifest.jsonl
├── failures.md
└── run-log.md

详情见 output-contract.md。

批量入口

先检查只需要 Python 与 yt-dlp 的批量字幕分支：

python3 scripts/doctor.py --json --branch batch-url

先列出并去重，不下载字幕、音频或模型：

python3 scripts/batch_video_transcripts.py \
  --source-url 'https://space.bilibili.com/UP_ID' \
  --source-url 'https://www.youtube.com/@CHANNEL/videos' \
  --limit 20 \
  --output-dir /path/to/output \
  --list-only

确认清单后续跑；B 站需要登录状态时显式增加 --cookie-browser chrome：

python3 scripts/batch_video_transcripts.py \
  --output-dir /path/to/output \
  --resume

批量脚本对每条视频固定执行：字幕探测 → 人工字幕 → 自动字幕。字幕检查报错时该条失败并停止，不能把网络、登录或解析失败误判为“无字幕”。只有两类字幕都确认不存在时，才写入 needs-asr，且不会提前下载音频。

确认 ASR 依赖和模型后，再显式继续：

python3 scripts/doctor.py --json --branch batch-asr
python3 scripts/batch_video_transcripts.py \
  --output-dir /path/to/output \
  --resume \
  --asr-backend mlx-whisper \
  --asr-model /path/to/local-model

模型不在本地时，只有用户明确允许，才可增加 --allow-model-download。批量命令、输入形式和两平台差异见 source-routing.md。

字幕优先步骤

1. 识别来源与权限

保存稳定视频 ID、原 URL/本地路径、标题和获取时间。对 URL 先检查当前站点与当前视频，不因 yt-dlp 列出 extractor 就宣称整站已验证。

完成标准：来源、登录需求、批量范围、筛选上限和 ASR 授权明确。

2. 检查当前分支依赖

python3 scripts/doctor.py --json --branch subtitle-file

已有字幕使用 --branch subtitle-file，单条 B 站或 YouTube URL 分别使用 --branch bilibili-url 或 --branch youtube-url，批量使用 --branch batch-url；确定要 ASR 时再使用 --branch asr 或 --branch batch-asr。已有字幕只需 Python；URL 与批量发现需要 yt-dlp；只有 ASR 才需要 ffmpeg 和一个 Whisper 实现。检测器不安装依赖。

完成标准：只检查即将执行的分支，不用缺少 ASR 依赖阻塞可完成的字幕分支。

3. 先列字幕

对每个 URL 先用 yt-dlp --list-subs 或等价能力列出人工与自动字幕。需要登录时可临时使用浏览器登录状态，但命令输出、状态文件和日志不得包含 Cookie 内容。批量发现只生成视频清单，不能直接触发整批音频下载。

完成标准：明确选择人工字幕、自动字幕或“无可用字幕”；未确认前不下载大音频。

4. 获取原始文字

优先下载人工字幕，其次平台自动字幕。只有两者都不存在且用户允许时，才下载/抽取音频并运行 ASR。本地视频直接进入 ASR。

完成标准：raw/ 中存在未经 AI 改写的原始字幕或原始 SRT；来源类型写入状态。

5. 生成三层资产

已有字幕可运行：

python3 scripts/subtitle_to_assets.py \
  --subtitle /path/to/input.srt \
  --output-dir /path/to/output \
  --video-id sample-id \
  --source-url https://example.invalid/video \
  --source-type manual-subtitle

clean/ 去掉字幕序号和冗余时间码但保留时间定位；review/ 是给 Agent 的后续任务包；status/ 记录完成/失败、来源与相对产物路径。

完成标准：四层文件互相引用，且 raw/ 没有被清洗稿覆盖。

6. 抽查与停止

每种来源至少抽查一条视频开头约两分钟的术语、重复与漏字，并把 status/<视频ID>.json 的 human_spot_check 从 pending 更新为 passed 或 needs-review。若“应有字幕”却意外进入音频下载或 ASR，立即停止整批并检查字幕发现、语言名称、登录状态与工具版本。

完成标准：成功项可从清洗稿回到原始文本和视频时间；失败项保留可重试原因。

后续分支

摘要、课程笔记、选题和 PDF 渲染必须在转写验收后单独执行，不计入本 Skill 的完成条件。

站点、登录与 ASR 分支见 source-routing.md。