前言¶

手上有一批內部培訓錄屏、客戶訪談、庭審或合規錄音，想轉成能檢索、能複用的文本材料，常規做法是先找一個在線轉寫服務。問題是這些素材往往帶着企業敏感信息，上傳到第三方雲端這一步本身就過不了合規審查；即便用了離線工具，轉寫只是第一步，拿到手的仍然是一份沒有結構的逐字稿，還得人工去歸納成手冊或摘要。

下面介紹的 video-distill-pipeline 就是衝着這個場景來的：在 macOS 本地把 mp4/mov 視頻跑完抽取、轉寫、蒸餾、出文檔的全流程，中間產物不出本機。

這是什麼¶

video-distill-pipeline 是一個面向知識管理場景的 Agent Skill，定位是把任意 mp4/mov 視頻本地蒸餾成結構化文檔，成品形態包括培訓手冊、觀點摘要、案例集。

出品方是 SkillHub 上的社區發佈者 user_7571a6b4，座標 @user_7571a6b4/video-distill-pipeline，當前版本 1.6.3，來源標記爲 community，分類爲 knowledge-management。

它要解決的問題不是”把視頻轉成文字”，而是”把視頻變成可以直接用的文檔”。轉寫只是流水線中的一環，前面有音頻抽取，後面有蒸餾和 Markdown 輸出，中間還內置了一套 5 階段蒸餾方法論，用來約束從原始轉寫文本到結構化文檔的過程。

核心功能¶

從已抓取的資料看，這個 Skill 的能力邊界如下。

輸入與輸出。 輸入是 mp4/mov 視頻，輸出是 Markdown 文檔，可選形態爲培訓手冊、觀點摘要或案例集。

本地流水線。 技術棧分四段：PyObjC 抽取音頻，faster-whisper 做離線 STT，任意 LLM 做蒸餾，最後輸出 Markdown。全程在 macOS 上跑，不依賴雲端服務。

內置方法論。 除了腳本化的流水線，Skill 內部帶有一套 5 階段蒸餾方法論，用來規範從轉寫文本到最終文檔的處理步驟。具體五個階段分別做什麼，已抓取資料沒有展開，需要看 Skill 內的 SKILL.md 才能確認。

零外部依賴。 標籤裏標了 requires_api_key=false，配合”零雲端、零 API Key、零隱私泄露”的說明，可以理解爲流程中不需要向外部模型服務提交請求，素材不會離開本機。

安裝與啓用¶

官方地址是 https://api.skillhub.cn/user_7571a6b4/video-distill-pipeline，頁面地址爲 https://www.skillhub.cn/skills/user_7571a6b4/video-distill-pipeline。

寫作時兩次抓取均失敗，因此安裝命令、目錄路徑、配置字段，以及 Cursor / Codex CLI / Claude Code 三種環境下的啓用方式差異，都無法從官方資料覈實。這類 Skill 基於通用 SKILL.md 格式，通常做法是在對應工具的 Skill 目錄中放置 SKILL.md 後被自動識別，但具體路徑和字段請以官方頁面爲準，不要照抄本文。

典型用法¶

已抓取資料沒有提供可復現的命令行示例，下面只整理資料中明確寫到的流程，命令部分需要從 Skill 倉庫內確認後再用。

1、準備素材：把 mp4 或 mov 視頻放在本機，確認是 macOS 環境。

2、跑流水線：由 Skill 調用 PyObjC 抽取音軌，再用 faster-whisper 做離線語音識別。這一步的產物是轉寫文本，不經過任何雲端接口。

3、蒸餾：把轉寫文本交給 LLM，按內置的 5 階段方法論處理，生成結構化內容。

4、輸出：落成 Markdown 文檔，形態可以是培訓手冊、觀點摘要或案例集，視素材類型選擇。

需要留意的是，”任意 LLM 蒸餾”加上”零 API Key”這兩點，意味着蒸餾環節大概率走本地可用的模型，但資料沒有明說，接入方式（本地權重、本地服務，還是其他）需要向發佈者確認。

適用場景與注意¶

適合誰。 手上有大量錄音錄像、內容敏感、不能外發的團隊。典型素材是內部培訓、客戶訪談、合規或法務記錄。這類素材如果走在線轉寫，上傳環節就卡住了；本地流水線繞開了這一步。

優勢。 相比”在線轉寫服務 + 人工整理”的做法，這個 Skill 把抽取、轉寫、蒸餾、輸出串成了一條本地流水線，省掉了中間的人工搬運，也把隱私風險壓到本機範圍內。相比單純的離線轉寫工具，它多出的是結構化文檔這一步。

限制。 一是環境限定 macOS，PyObjC 依賴決定了它不會跨平臺。二是能力上限取決於 faster-whisper 的識別質量，口音重、背景噪聲大、專業術語多的錄音，轉寫環節就會成爲瓶頸，後面的蒸餾也救不回來。三是蒸餾結果依賴所接 LLM 的表現，SKILL.md 裏的方法論是約束，不是保證。

坑。 不要把”零雲端”理解成零依賴，faster-whisper 需要模型權重，首次使用要確認模型已就緒。另外分類是 knowledge-management，評分 100000、下載 1276、安裝 0（截至抓取時間），安裝量爲 0 說明目前還沒有規模化的使用者反饋可以參考，踩坑經驗需要在社區裏積累。

結尾¶

video-distill-pipeline 的價值在於把”視頻轉文檔”這件事壓到了一臺 macOS 機器裏完成：素材不出本機，成品是能直接用的 Markdown。對於處理敏感素材、又不想走在線轉寫服務的團隊，值得試一下。

官方地址：https://api.skillhub.cn/user_7571a6b4/video-distill-pipeline

需要說明的是，寫作時官方頁面抓取失敗，安裝方式、配置字段、5 階段方法論細節均以 Skill 倉庫內的 SKILL.md 爲準。