视频总结器

概述

从任何平台下载视频，并生成一个完整的资源包，包含：

• 原始视频文件 (mp4)
• 音频文件 (mp3)
• 字幕文件（带时间戳，vtt/srt 格式）
• 总结文件 (summary.md)

支持 yt-dlp 支持的所有 1800+ 个网站。

触发条件

当用户：

• 提供视频链接并要求总结
• 说“总结这个视频”、“这个视频里有什么”
• 要求“提取视频内容”、“转录视频”
• 说“下载这个视频”
• 提供来自 YouTube/Bilibili/Twitter/Vimeo/TikTok 等的链接

支持的平台

• YouTube (youtube.com, youtu.be)
• Bilibili (bilibili.com, b23.tv)
• Twitter/X (x.com, twitter.com)
• Vimeo (vimeo.com)
• TikTok (tiktok.com)
• Instagram (instagram.com)
• Twitch (twitch.tv)
• 以及其他 1800+ 个平台（yt-dlp 支持的所有站点）

输出结构

所有文件都保存到当前工作目录的 downloads/<视频标题>/ 中：

./downloads/
└── <视频标题>/
    ├── video.mp4          # 原始视频
    ├── audio.mp3          # 提取的音频
    ├── subtitle.vtt       # 带时间戳的字幕
    ├── transcript.txt     # 纯文本转录稿（无时间戳）
    └── summary.md         # 结构化总结

工作流程

步骤 1：安装依赖

运行安装脚本以检查并安装所有依赖：

bash "$SKILL_DIR/scripts/install_deps.sh"

这将安装：uv（Python 包管理器）、ffmpeg、yt-dlp，并检查 Python 版本。
faster-whisper 将由 uv 自动管理。

步骤 2：获取视频信息并创建输出目录

# 获取视频标题（清理特殊字符用于文件夹名）
TITLE=$(yt-dlp --print "%(title)s" "视频URL" | sed 's/[/:*?"<>|]/_/g' | cut -c1-80)
DURATION=$(yt-dlp --print "%(duration)s" "视频URL")

# 创建输出目录
OUTPUT_DIR=./downloads/"$TITLE"
mkdir -p "$OUTPUT_DIR"

步骤 3：下载视频和音频

# 下载视频（mp4格式，最高1080p的最佳质量）
yt-dlp -f "bestvideo[height<=1080][ext=mp4]+bestaudio[ext=m4a]/best[height<=1080][ext=mp4]/best" \
  --merge-output-format mp4 \
  -o "$OUTPUT_DIR/video.%(ext)s" "视频URL"

# 提取音频（mp3格式）
yt-dlp -x --audio-format mp3 -o "$OUTPUT_DIR/audio.%(ext)s" "视频URL"

步骤 4：获取字幕

优先级顺序：

1. 尝试下载手动字幕（最佳质量）

yt-dlp --write-subs --sub-lang zh,en,zh-Hans,zh-Hant --skip-download \
  -o "$OUTPUT_DIR/subtitle" "视频URL"

2. 尝试下载自动生成字幕

yt-dlp --write-auto-subs --sub-lang zh,en --skip-download \
  -o "$OUTPUT_DIR/subtitle" "视频URL"

3. 无可用字幕时使用 faster-whisper 转录

uv run "$SKILL_DIR/scripts/parallel_transcribe.py" \
  --input "$OUTPUT_DIR/audio.mp3" \
  --output-dir "$OUTPUT_DIR" \
  --model small \
  --language auto

该脚本会自动：

• 在静音点分割长音频文件
• 使用多个 CPU 核心进行并行转录
• 输出 subtitle.vtt 和 transcript.txt

转录选项：

步骤 5：生成纯文本转录稿

如果字幕是下载的（而非转录的），则转换为纯文本：

if [[ ! -f "$OUTPUT_DIR/transcript.txt" ]]; then
  SUBTITLE_FILE=$(ls "$OUTPUT_DIR"/*.vtt "$OUTPUT_DIR"/*.srt 2>/dev/null | head -1)
  if [[ "$SUBTITLE_FILE" == *.vtt ]]; then
    sed '/^[0-9]/d; /^$/d; /-->/d; /^WEBVTT/d; /^Kind:/d; /^Language:/d; /^NOTE/d' \
      "$SUBTITLE_FILE" > "$OUTPUT_DIR/transcript.txt"
  elif [[ "$SUBTITLE_FILE" == *.srt ]]; then
    sed '/^[0-9]/d; /^$/d; /-->/d' "$SUBTITLE_FILE" > "$OUTPUT_DIR/transcript.txt"
  fi
fi

步骤 6：生成总结文件

1. 从 $SKILL_DIR/reference/summary-prompt.md 读取提示模板
2. 替换占位符：{{TITLE}}、{{PLATFORM}}、{{URL}}、{{DURATION}}、{{LANGUAGE}}、{{DOWNLOAD_TIME}}、{{TRANSCRIPT}}
3. 生成总结并保存到 $OUTPUT_DIR/summary.md

特定平台处理

Bilibili

# 优先使用中文字幕
yt-dlp --sub-lang zh-Hans,zh-Hant,zh ...
# 如果需要登录
yt-dlp --cookies-from-browser chrome "视频URL"

需要登录的平台

yt-dlp --cookies-from-browser chrome "视频URL"
# 或 firefox
yt-dlp --cookies-from-browser firefox "视频URL"

错误处理

无法获取字幕

使用并行转录脚本（步骤 4，选项 3）。

视频太长（>1小时）

1. 询问用户是否只需要部分内容
2. 并行脚本会自动处理长文件

不支持的平台

yt-dlp --list-extractors | grep -i "平台名称"

注意事项

1. 存储：文件保存在当前工作目录的 ./downloads/ 中
2. 版权：仅供个人学习使用
3. 网络：某些平台可能需要代理
4. 首次运行：需要下载 Whisper 模型（small 约 244MB）
5. 并行处理：长音频（>60秒）会在静音点自动分割