前言¶

整理技术教程时最常遇到的卡点是：视频里的内容拿不出来。用通用 ASR 跑一遍，拿到的是逐字稿，语序碎、没有层次，代码块被拆成一句一句；换成通用摘要模型，又会把关键细节吞掉。这个 Skill 走的是第三条路：把视频拆成音频、画面、屏幕文字三条线分别处理，再合成一份精炼笔记风格的 Markdown，作者原始代码原样保留。

下面介绍这个 Skill。

这是什么¶

这是一个把视频转成文档的 Skill，由社区开发者 user_5ec78c84 发布，来源标注为 community，分类 knowledge-management，当前版本 1.1.0。

基本坐标信息如下：

Skill 名称：视频转文字/视频总结/转文字/视频蒸馏/AI总结
坐标：@user_5ec78c84/video-transcription
版本：1.1.0
来源：community
分类：knowledge-management
标签：requires_api_key=false
官方地址：https://api.skillhub.cn/user_5ec78c84/video-transcription

SkillHub 页面显示该 Skill 下载 3427 次。标签 requires_api_key=false 说明运行时不需要云端 API 密钥。

一句话定位：输入本地视频文件或在线视频链接，输出一份结构化、可读、可搜索的 Markdown 文档。

核心功能¶

先说明，以下能力全部来自官方简介，未逐项实测。

1、音频转录（ASR），得到完整音频文本。
2、屏幕文字提取（OCR），把画面里的字幕、演示文字单独提出来。
3、关键帧截图，嵌入 Markdown，便于对照查看。
4、语义分割，按内容把长视频切成若干章节。
5、增强代码块：作者原始代码完整保留、不做改写，优化建议以独立注释的形式附在旁边。
6、摘要，给整段内容一个概览。

正文风格是精炼笔记：先给章节概要，再按步骤给出简明叙述，而不是把 ASR 的逐字结果直接堆上去。这一点和大多数转录工具的差别最大——产出的是一份能直接读的文档，不是一份待清理的录音稿。

离线回退栈：imageio-ffmpeg + faster-whisper + rapidocr-onnxruntime。官方说明这条栈用于没有 ffmpeg、没有云端 ASR 密钥、也没有视觉模型的环境，也就是说整套流程可以在完全离线的条件下跑通。

安装与启用¶

需要如实说明：已抓取的资料里只有名称、版本、来源和标签，没有给出官方安装命令，也没有 Cursor、Codex CLI、Claude Code 各自的差异说明。因此这里不提供安装命令，避免编造。

这类 Skill 基于通用 SKILL.md 格式，安装入口以官方地址为准：

https://api.skillhub.cn/user_5ec78c84/video-transcription

启用方式是向 Agent 给出自然语言指令，Skill 会在触发条件匹配时接管，不需要手工写配置文件。由于标签为 requires_api_key=false，初始化阶段不需要填入云端模型密钥。

典型用法¶

以下是官方简介中列出的触发语，代表该 Skill 期望的调用方式：

转录视频
把这个视频转成文字
视频全文转录
提取视频中的文字和图片
把这节课做成文档

输入可以是两种：本地视频文件，或在线视频链接（官方明确提到 Bilibili、YouTube 等）。输出是结构化 Markdown，包含关键帧截图、完整音频转录、屏幕文字提取、语义分割结果、增强代码块和摘要。

举例来说，把一节课程视频交给它并说「把这节课做成文档」，得到的应当是按章节组织的笔记：每章有概要和步骤叙述，演示代码原样保留，优化建议写在注释里，关键帧截图插在对应位置。

适用场景与注意¶

适合的场景：教程、课程、讲座类视频，需要转成可读、可搜索、可归档的文档；希望保留原始代码的同时看到改进建议；需要在没有网络或没有云密钥的环境里处理视频。

不适合的场景，官方明确列出三项：

1、实时直播转录——它处理的是已存在的视频文件，不是推流。
2、字幕翻译——没有翻译能力。
3、视频生成——只做视频到文档的单向转换。

两点容易踩的坑：

一是不要把产出当成逐字稿。正文是提炼过的笔记，如果要逐字内容，需要另外的 ASR 输出。

二是离线栈依赖本地运行时。官方列出的三个包 imageio-ffmpeg、faster-whisper、rapidocr-onnxruntime 需要在目标环境里可用，否则回退方案不成立；有 ffmpeg 和视觉模型的环境则可以使用更常规的处理链路。

结尾¶

这个 Skill 的价值在于把视频到文档的链路收成一个动作：输入视频，输出带截图、带代码、带章节结构的 Markdown，同时给了离线方案保证在受限环境里也能跑。如果你的需求是整理课程或讲座视频，而不是实时转写或翻译字幕，可以从上面的官方地址看具体说明。