SHILIU · 创作资源

知乎视频转录为Markdown · 创作技能

将知乎视频页、问答内嵌视频与专栏内嵌视频下载音频，用SenseVoice-Small转录为中文文字，并生成带frontmatter的Markdown文件。包含环境安装、脚本调用、反爬与登录态限制说明；不处理盐选或会员专属内容。

拾流编辑部 · 更新于 2026-11-02

这个技能解决什么问题

适用任务

把用户提供的知乎视频链接（视频页、问答页或专栏文章）中的音频转录为文字，并保存为带来源信息的Markdown文件。

需要的输入

一个或多个知乎视频页/问答页/专栏文章URL；Python 3.9+环境；ffmpeg、yt-dlp；funasr、modelscope、torch、torchaudio；可访问模型下载源的网络；输出目录（可选，默认当前目录）。

交付内容

每个视频对应一个Markdown文件，含frontmatter（来源链接、标题、语言）与转录正文；终端输出下载与转录进度及失败原因。

任务示例

请把这条知乎视频转成文字并保存到 ./output：https://www.zhihu.com/video/1234567890

输出示例

示意（非真实结果）：output/zhihu_video_1234567890.md，开头为 --- 包裹的 frontmatter（source、title、language: zh），正文为转录文本段落。

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。

查看原始来源

机器可读详情 · 读取 SKILL.md · 下载完整技能包

技能说明全文

---
name: zhihu-transcribe
description: >
  知乎视频 → 下载 → 转录 → 存为 Markdown。
  支持知乎视频链接、问答内嵌视频和专栏文章，无需登录。
metadata:
  category: "media"
  triggers: "[\"用户发送知乎视频链接\", \"把这个知乎视频转成文字\", \"帮我转录这个知乎\"]"
  version: "1.0.0"
  tags: "[media, video, transcription, zhihu]"
---

# 知乎视频转录 Skill

将知乎视频下载音频，用 SenseVoice-Small 转录为文字，存为带 frontmatter 的 Markdown 文件。

## 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
```

## 使用方法

```bash
# 独立视频页
python scripts/transcribe.py "https://www.zhihu.com/video/1234567890"

# 问答内嵌视频（脚本自动提取视频 ID）
python scripts/transcribe.py "https://www.zhihu.com/question/12345/answer/67890"

# 专栏文章（内嵌视频会被提取）
python scripts/transcribe.py "https://zhuanlan.zhihu.com/p/123456"

# 指定输出目录
python scripts/transcribe.py "https://www.zhihu.com/video/1234567890" -o ./output
```

## 流程

### Step 1: yt-dlp 下载音频

知乎视频页、问答页和专栏文章的链接形态不同，脚本统一交给 yt-dlp 解析。Referer + UA 伪装可规避基础反爬。

```bash
yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
  --user-agent "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) ..." \
  --referer "https://www.zhihu.com/" \
  "https://www.zhihu.com/video/1234567890"
```

### Step 2: SenseVoice-Small 转录

```python
from funasr import AutoModel

model = AutoModel(
    model="iic/SenseVoiceSmall",
    trust_remote_code=True,
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    device="cpu",
)

result = model.generate(
    input=audio_path,
    language="zh",
    use_itn=True,
    batch_size_s=60,
)
```

### Step 3: 生成 Markdown

脚本自动创建带 frontmatter 的 Markdown 文件，包含来源链接、标题、语言和转录文本。下载失败会自动重试。

## 已知限制

- **内嵌视频**：问答和专栏中的内嵌视频依赖 yt-dlp 正确提取视频 ID；若页面结构变化可能导致提取失败
- **反爬**：知乎对频繁请求有限流；脚本已内置重试，建议单次处理间隔不少于 3 秒
- **登录态**：盐选内容、仅会员可见视频需要登录，当前脚本不携带登录态
- **语言**：知乎以中文为主，脚本默认 `language=zh`；英文内容建议改用 youtube-transcribe
- **模型大小**：SenseVoice-Small 首次下载约 893MB

## 致谢

- [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

## ⚖️ 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。