前言¶
处理本地视频口述内容时，常见做法是先人工听写，再自行补时间轴；长视频、多视频场景下，这一步既费时间，也容易漏掉“哪段话出现在哪个时间点”。下面介绍的 Skill 把转写和时间轴整理合并成一次处理：输入一个或多个本地视频，输出整理版 TXT，每段都带开始和结束时间。它来自 SkillHub 社区，坐标 @user_9aa92135/video-transcript-txt，版本 1.0.0，分类 design-media。
这是什么¶
这是一个社区 Skill，发布者为 user_9aa92135，用于视频转文字场景。它解决的问题很具体：把本地视频转写为文本，并在输出中保留每段内容的起止时间，便于后续做字幕、摘录、口述整理或耗时统计。官方页面显示评分 100000，下载 1509，安装 0。
核心功能¶
根据 SkillHub 页面简介，能力包括：
- 支持一个或多个本地视频作为输入。
- 输出整理版 TXT，不是原始字幕拼接。
- 每段文本带开始和结束时间。
- 触发场景包括：视频转文字、视频转写、提取视频文本或字幕、批量生成带时间戳 TXT、整理视频口述内容、统计视频处理耗时。
- 处理链路提到
uv、ffmpeg/ffprobe和openai-whisper。 - 中间文件写入系统临时目录并自动清理。
- 永不删除源视频。
安装与启用¶
已抓取资料中没有给出可直接核对的安装命令或配置文件字段，这里不杜撰命令。启用方式以官方页面为准：
官方地址: https://api.skillhub.cn/user_9aa92135/video-transcript-txt
SkillHub 页面: https://www.skillhub.cn/skills/user_9aa92135/video-transcript-txt
坐标: @user_9aa92135/video-transcript-txt
页面标签显示 requires_api_key=false。也就是说，按官方标签，该 Skill 不需要额外 API Key；但运行转写依赖的 openai-whisper、ffmpeg/ffprobe 等本地环境是否满足，需按官方说明确认。
典型用法¶
可复现的用法来自官方触发条件。请求时把本地视频路径交给 Skill，并说明想要的结果：
把 /path/to/video.mp4 转写为带每段开始和结束时间的整理版 TXT。
批量处理 /path/to/videos/ 下的多个本地视频，分别输出带时间戳的 TXT，并统计处理耗时。
提取这个视频的口述内容，整理成按时间段排列的文本，不要删除源视频。
按官方简介，以上请求对应的输出应是整理版 TXT；每段文本应包含开始时间和结束时间。是否支持指定时间精度、分段长度、语言或说话人，已抓取资料没有说明，不建议在集成时默认支持。
适用场景与注意¶
适合处理已有本地视频文件、需要带时间戳文本的开发者：例如整理课程录像、会议录屏、产品口述素材，或把多段视频批量转成可检索文本。页面标签 requires_api_key=false 降低了接入门槛，但“不需要 API Key”不代表不需要本地依赖；ffmpeg/ffprobe 负责媒体信息，openai-whisper 负责转写，二者都依赖运行环境。
需要注意三点：第一，输出是整理版 TXT，不是可直接压制的字幕文件；若目标是生成 SRT/ASS，仍需后续转换。第二，官方说明强调中间文件写入系统临时目录并自动清理，且永不删除源视频；实际执行时应继续保留源文件，不要依赖该说明替代备份。第三，已抓取资料没有给出安装命令、配置字段和 Cursor / Codex CLI / Claude Code 的差异说明，接入前应以官方页面为准。
结尾¶
这个 Skill 的价值在于把“听写 + 补时间轴 + 批量处理”收敛到一个入口，输出结构统一，适合需要带时间戳视频文本的场景。官方地址：https://api.skillhub.cn/user_9aa92135/video-transcript-txt。
