前言¶
做内容整理或二次创作时，经常遇到这类情况：抖音、B 站、快手上的视频没有字幕，或者平台提供了 CC 字幕但内容不完整，而你需要的是视频里的逐字口播文案。手动听写长视频不现实；调在线语音识别 API，又会遇到单条视频时长受限、需要 API Key、按调用量计费等问题。
下面介绍的 Skill「抖音B站快手视频口播文案提取」，就是为了处理这类场景：下载视频的音频流，在本地用离线语音识别引擎转成文字，再清理识别错误并格式化输出。
这是什么¶
一句话定位：针对无字幕的抖音/B站/快手视频，做音频离线转录，输出完整口播文案。
- 出品与维护：发布者为 SkillHub 上的 user_a3d77f06，坐标
@user_a3d77f06/video-asr-transcript，当前版本 1.0.1，来源 community。 - 所属分类：content-creation。
- 解决什么问题：平台没有字幕或 CC 字幕不可用时，拿不到视频的逐字内容；在线 ASR 方案受时长、密钥和费用限制。
核心功能¶
根据官方简介，这个 Skill 的能力包括：
- 输入视频链接或视频描述信息，例如抖音的分享文本、B 站的 BV 号。
- 下载视频的音频流，不走完整视频文件。
- 使用 Vosk 离线语音识别引擎做中文转录，整个过程不依赖在线服务。
- 转录完成后自动清理 ASR 常见错误（如断词、多余停顿标记），并格式化输出。
官方给出的适用描述是：需要完整逐字转录而不是简介摘要，或者视频时长较长、无法使用在线 API 的场景。
安装与启用¶
官方 Skill 页面（skillhub.cn）在本文核实时无法访问，已抓取资料中没有给出安装命令、目录位置或配置文件字段。因此这里不提供未经核实的安装步骤。
根据资料可以确认的一点是：该 Skill 带有 requires_api_key=false 标签，即使用过程中不需要 API Key。这与它采用本地 Vosk 离线识别一致，但具体安装方式仍需以官方页面为准。
使用方式¶
该 Skill 基于通用 SKILL.md 格式，按触发词唤起。官方列出的触发词包括：
- 视频转录
- 音频转文字
- 提取口播文案
- 无字幕视频转录
- ASR转录
- 语音识别转文字
使用流程可以概括为：把视频链接或分享文本交给 Skill，它下载音频流、调用 Vosk 转写、清理识别错误，最后返回格式化后的口播文案。由于官方页面未能访问，本文不给出具体的调用示例和参数细节，需要时以官方页面说明为准。
适用场景¶
适合这几类需求：
- 视频本身没有字幕，需要把口播内容整理成文字稿。
- 需要完整逐字转录，而不是平台自带的简介或摘要。
- 视频较长，在线 ASR 方案时长受限或成本不合适。
- 想避免按调用量计费的在线识别 API。
限制与注意¶
- 识别质量取决于音频清晰度和 Vosk 中文模型的表现，强背景音、多人混音场景下错误率会上升，需要人工校对。
- 这是离线转录，机器上需要能正常运行 Vosk 及相关依赖，环境准备情况以官方说明为准。
- 下载音频流涉及目标平台的内容获取，使用前确认是否符合所在平台条款和版权要求。
- 本文核实时官方 Skill 页面无法访问，安装命令、版本细节如有更新，以官方页面为准。资料中的评分（100000）和下载量（990）来自抓取时点，后续会变化。
结尾¶
这个 Skill 的价值在于：把「无字幕视频 → 逐字口播文案」这条链路变成一条离线流程，不需要 API Key，不受在线服务时长限制。如果你正被抖音、B 站、快手视频的文案提取卡住，可以先从官方页面确认安装方式再试。
官方地址：https://api.skillhub.cn/user_a3d77f06/video-asr-transcript
