用途 Transcribe 用于把视频链接中的语音内容转写为文本。适用于 YouTube、Instagram、X/Twitter、TikTok、Facebook、Vimeo 等视频 URL。当用户提出“transcribe this video”等类似需求时使用该技能。
主要能力
- 通过 yt-dlp 从视频 URL 下载内容。
- 使用 faster-whisper 进行语音转写。
- 支持可选的 --timestamps 参数，为每个转写片段加上 [M:SS] 形式的时间戳。
- 支持通过 --model <size> 指定 Whisper 模型大小，默认 medium；可用 small 获得更快但精度较低的结果，可用 large-v3 获得最高精度。
使用方式 调用格式为 /transcribe <url>，URL 作为技能参数传入；若未提供 URL，需向用户询问。随后询问用户“是否包含时间戳？”，若选择是则在运行脚本时附加 --timestamps。实际执行命令为： python3 <skill_path>/scripts/transcribe_url.py "<url>" [--timestamps] 脚本将转写结果直接打印到标准输出。
安装与依赖 如果用户说 /transcribe install 或 /transcribe setup，则进入安装向导，逐步检查、报告、修复。需要 Python 3.8+；使用 pip 安装 faster-whisper 与 yt-dlp；需要 ffmpeg。安装命令示例： pip3 install faster-whisper yt-dlp macOS 可用 brew install ffmpeg，Linux 可用 sudo apt install ffmpeg，Windows 需从 ffmpeg.org 下载并加入 PATH。首次使用 faster-whisper 会下载约 1.5GB 的 Whisper 模型，仅发生一次。安装完成后可用以下命令验证依赖： python3 -c "import faster_whisper; import yt_dlp; print('All Python dependencies OK')"
适用场景 适合需要快速获取视频文字稿、整理视频内容、做字幕初稿或进行后续文本处理的场景，尤其覆盖多个主流视频平台链接。
限制 资料未提供转写时长上限、并发能力、准确率指标、语言支持范围、对受版权保护或私密视频的支持情况，以及收费与价格信息；这些内容暂未提供。