SuperAPI AI 工具集

local-transcript

通用与其它

查看项目

更新于 10-16 09:29

技能介绍

用途:从本地视频或音频文件中提取转写文本(字幕/听写稿)。

主要能力:先用 ffprobe 探测文件中是否含内嵌字幕流,若有则直接提取,速度快且不调用 API;若无内嵌字幕,则用 ffmpeg 提取音频,压缩为单声道 16kHz opus,再发送到 OpenAI Whisper API 进行转写。可输出不带时间戳或带时间戳的文本。

使用方式: uv run scripts/get_local_transcript.py "/path/to/video.mp4" 带时间戳时附加 --timestamps。多字幕轨文件默认取第一条,可用 --sub-track N 指定(从 0 开始计数)。

依赖与限制:需安装 ffmpeg 与 ffprobe 并在 PATH 中;仅在走 Whisper 回退时需设置 OPENAI_API_KEY 环境变量。支持 ffmpeg 能读取的常见格式,如 .mp4、.mkv、.avi、.mov、.webm、.mp3、.m4a、.wav、.flac、.ogg 等。上传前会压缩音频以符合 Whisper 的 25MB 限制。

输出说明:返回的转写文本不得修改。无时间戳时可整理为完整段落,避免句中换行。若指定了保存文件则写入该文件;未指定时使用输入文件名(去扩展名)加 -transcript.txt 后缀。其余细节暂未提供。