SHILIU · 创作资源
YouTube视频转录与中英对照 · 创作技能
把YouTube视频转为Markdown文字稿：优先抓官方/自动字幕，抓不到再下载音频用SenseVoice转录，英文内容经LLM翻译输出中英对照。含单条与批量脚本、翻译配置与已知限制，适合个人学习性整理。
这个技能解决什么问题
把YouTube视频转为Markdown文字稿：优先抓官方/自动字幕，抓不到再下载音频用SenseVoice转录，英文内容经LLM翻译输出中英对照。含单条与批量脚本、翻译配置与已知限制，适合个人学习性整理。
适用任务
将YouTube视频链接转录为文字并（对英文内容）翻译成中文，输出中英对照Markdown；支持批量URL列表处理。
需要的输入
YouTube视频链接或URL列表文件；输出目录；可选 --no-translate 关闭翻译、--no-subtitle 强制音频转录、--stop-on-error 批量严格模式；翻译需 DEEPSEEK_API_KEY（或兼容OpenAI格式的服务）；音频转录需 funasr、modelscope、torch、torchaudio 与 ffmpeg、yt-dlp。
交付内容
每个视频一个Markdown，frontmatter 含 title、type、tags、language、translated；正文含「中文翻译」与「English Original」两节，并标注转录引擎与翻译来源；批量模式逐条产出，单条失败默认继续。
任务示例
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --output ./output
输出示例
示意（非真实结果）：output/视频标题.md，frontmatter 含 language: en、translated: true，正文先「## 中文翻译」段落，再「## English Original」原文段落，顶部注明转录引擎 SenseVoice-Small、翻译 DeepSeek。
来源与使用
作者 chubbyguan；许可 MIT。已核对来源与包结构，未据此宣称完成运行实测。
机器可读详情 · 读取 SKILL.md · 下载完整技能包
技能说明全文
--- name: youtube-transcribe description: > YouTube 视频 → 下载 → 转录 → 翻译 → 存为 Markdown。 支持中英文，英文内容自动翻译成中文，输出中英对照。 metadata: category: "media" triggers: "[\"用户发送 YouTube 视频链接\", \"把这个 YouTube 视频转成文字\", \"帮我转录这个 YouTube\", \"YouTube 翻译\"]" version: "1.0.0" tags: "[\"media\", \"audio\", \"video\", \"transcription\", \"youtube\", \"translation\"]" --- # YouTube 视频转录 + 翻译 Skill **字幕优先**：先抓官方/自动字幕（秒级、免 GPU），抓不到再下载音频用 SenseVoice-Small 转录；英文内容自动翻译成中文，输出中英对照 Markdown。加 `--no-subtitle` 可强制走音频转录。 ## 为什么需要这个 YouTube 有大量优质英文内容，但很多人没时间看完或语言不通。这个 skill： - 转录视频为文字（支持中英文） - 英文内容自动翻译成高质量中文 - 输出中英对照，方便学习 ## 环境要求 ```bash # Python 3.9+ python -m venv .venv source .venv/bin/activate # 依赖 pip install funasr modelscope torch torchaudio # 系统依赖 # macOS: brew install ffmpeg yt-dlp # Ubuntu: sudo apt install ffmpeg && pip install yt-dlp # 翻译功能（可选，英文视频需要） export DEEPSEEK_API_KEY="your-api-key" ``` ## 使用方法 ```bash python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --output ./output python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-translate # 不翻译 python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-subtitle # 强制音频转录 python scripts/batch_transcribe.py urls.txt -o ./output --no-translate ``` ## 流程 ### Step 1: yt-dlp 下载音频 ```bash yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \ "https://www.youtube.com/watch?v=xxxxx" ``` ### Step 2: SenseVoice-Small 转录 ```python from funasr import AutoModel model = AutoModel(model="iic/SenseVoiceSmall", ...) result = model.generate(input=audio_path, language="auto", use_itn=True) ``` ### Step 3: 语言检测 + 翻译 - 中文内容 → 直接输出 - 英文内容 → LLM 翻译成中文，输出中英对照 ### Step 4: 生成 Markdown ```markdown --- title: 视频标题 type: note tags: [YouTube] language: en translated: true --- # 视频标题 > 转录引擎：SenseVoice-Small | 翻译：DeepSeek ## 中文翻译 翻译内容... --- ## English Original 原文内容... ``` ### 批量模式 `scripts/batch_transcribe.py` 支持 URL 列表批处理，默认单条失败后继续处理下一条；需要严格模式时加 `--stop-on-error`。 ## 翻译配置 默认使用 DeepSeek API 翻译。需要设置环境变量： ```bash export DEEPSEEK_API_KEY="your-api-key" ``` 支持的 LLM： - DeepSeek（推荐，性价比高） - OpenAI - 任何兼容 OpenAI API 格式的服务 ## 性能数据 | 视频时长 | 下载 | 转录 | 翻译 | 总耗时 | |------|------|------|------|------| | 5 min | ~10s | ~5s | ~10s | ~30s | | 10 min | ~15s | ~10s | ~20s | ~50s | | 30 min | ~30s | ~30s | ~60s | ~2min | ## 已知限制 - SenseVoice-Small 对英文转录准确率不如中文 - 翻译质量取决于 LLM 能力 - 长视频翻译可能需要较长时间 - 部分 YouTube 视频有地区限制 ## 参考项目 - [yt-dlp/yt-dlp](https://github.com/yt-dlp/yt-dlp) - 视频下载工具 - [FunAudioLLM/SenseVoice](https://github.com/FunAudioLLM/SenseVoice) - 语音识别模型 - [DeepSeek](https://platform.deepseek.com/) - 翻译用 LLM ## ⚖️ 合规声明 仅供**个人学习与研究**使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。
技能是任务材料，不会自动授予账户权限、付费授权或其他系统权限。请让 Agent 按说明核对依赖，再在授权范围内使用。