SuperAPI AI 工具集

video-digest-ingest

通用与其它

查看项目

更新于 10-16 09:29

技能介绍

用途:作为 video-digest(伞形项目)的确定性第一阶段,负责获取视频并转写,供后续视频摘要流程使用。项目布局参见 video-digest。

主要能力:脚本位于 scripts/,均需显式传入路径,不使用环境变量。探测源:python3 scripts/vd_probe.py <playlist_or_channel_url | /path/to/folder>,输出工作清单表(id、duration、title)及总计与时间/磁盘估算,加 --json out.json 可保存清单,会跳过不可用或私有条目(duration 为空);频道直播用 /streams 标签页 URL,无时长条目即仍在直播,暂不可摄取。摄取单条:bash scripts/vd_ingest.sh <item_dir> <youtube_url | /path/to/video.ext> [lang],创建目录,下载 ≤720p mp4(video.mp4,并以 source.mp4 软链接)或软链本地文件;提取 16k 单声道 wav,通过 uvx --from mlx-whisper mlx_whisper(large-v3-turbo)转写,使用 --condition-on-previous-text False(关键:防止幻觉重复循环抹掉真实内容);lang 可选,省略则自动检测;具幂等性,输出已存在则跳过。单讲元数据:python3 scripts/vd_single.py <item_dir> --title "T" --speaker "Name · Org" [--kind talk] [--url <video_url>],经 ffprobe 读真实时长,写入 1-talk talks.json 与 source.json;多讲流应改用 video-digest-segment。

批量工作流:先探测得工作清单,从 YouTube 标题推导标题/讲者,先对一条做端到端试点再批量,串行批处理(并发 Whisper 会耗尽内存)。NN- 前缀表示播放列表顺序即摘要顺序。while read 循环中必须重定向摄取调用的 stdin(< /dev/null),否则 ffmpeg/yt-dlp 会吞掉循环输入。TSV 字段不可为空,未知讲者用 - 占位。

限制与注意:yt-dlp 403 或 “challenge solving failed” 时需更新 yt-dlp;720p 为有意选择,视频仅用于音频与幻灯片帧。Whisper 质量检查:若转写中某短语连续重复多次,说明触发循环 bug,需确认使用了 --condition-on-previous-text False。其他收费、平台等信息暂未提供。