视频转文字工具（VideoTranscribe）

AI 驱动的视频/音频转录工具。有字幕抓字幕，没字幕用 AI 听写——YouTube、B站、本地文件全支持。

功能

• 本地文件转录：MP4、MOV、MP3、M4A 等，ffmpeg 自动提音频
• URL 转录：YouTube、B站、小宇宙，任何 yt-dlp 支持的平台
• 字幕优先策略：有字幕直接抓（快速、0 API 消耗），没有才下音频转录
• 两种引擎：Gemini 2.5 Flash（有标点、推荐）/ mlx-whisper（本地离线）
• 内容提炼：三种模式——快速摘要 / 结构化笔记 / 内容再创作

快速开始

# 转录本地视频
python3 Tools/transcribe.py --input "video.mp4"

# 转录 YouTube 视频
python3 Tools/transcribe.py --input "https://youtu.be/xxx"

# 转录 B站视频
python3 Tools/transcribe.py --input "https://www.bilibili.com/video/BVxxx"

# 使用本地 mlx-whisper（离线）
python3 Tools/transcribe.py --input "video.mp4" --engine mlx

# 指定输出路径
python3 Tools/transcribe.py --input "video.mp4" --output ~/Desktop/result.txt

依赖安装

# 必需
pip3 install google-genai    # Gemini 引擎（推荐）
brew install yt-dlp ffmpeg   # 音频处理

# 可选（本地离线引擎）
pip3 install mlx-whisper     # 仅 Apple Silicon

API Key 配置

Gemini 引擎需要 API Key，从 Google AI Studio 免费申请：

# 方式一：环境变量
export GEMINI_API_KEY="your-key"

# 方式二：写入文件（PAI 用户推荐）
echo 'GEMINI_API_KEY=your-key' >> ~/.shared-skills/api-registry/.env

引擎对比

接入各类 AI Agent

直接调用（所有平台通用）

任何 AI Agent 只需运行 run.sh 或直接调 Python 脚本：

# 通用入口（推荐）
bash /path/to/VideoTranscribe/run.sh --input "video.mp4"

# 或直接调脚本
python3 /path/to/VideoTranscribe/Tools/transcribe.py --input "video.mp4"

Claude Code

将此目录放入 ~/.shared-skills/，直接用自然语言触发：

“帮我把这个视频转成文字” “把这个 YouTube 链接的内容转录出来”

OpenClaw / Codex / Gemini CLI

在 agent 的工具调用或 bash 执行里直接写：

bash ~/.shared-skills/VideoTranscribe/run.sh --input "{{ input_url_or_path }}"

脚本会自动加载 Gemini API Key 并返回转录结果。

文件结构

VideoTranscribe/
├── SKILL.md              # Claude Code skill 入口
├── Workflows/
│   ├── Transcribe.md     # 转录流程
│   └── Extract.md        # 提炼流程（3种模式）
└── Tools/
    └── transcribe.py     # 核心脚本

License

MIT

---

📱 关注作者 / Follow Me

如果这个仓库对你有帮助，欢迎关注我。后面我会持续更新更多 AI Skill、视频转字、字幕生成和内容处理工作流。

If this repo helped you, follow me for more AI skills, video transcription, subtitle generation, and content workflows.

• X (Twitter): @xiaoerzhan
• 微信公众号 / WeChat Official Account: 扫码关注 / Scan to follow

中文：欢迎关注我的公众号，一起研究 AI Skill、视频转字、字幕生成和内容工作流。

English: Follow my WeChat Official Account for more AI skills, video transcription, subtitle generation, and content workflows.