前言¶
做內容整理或二次創作時，經常遇到這類情況：抖音、B 站、快手上的視頻沒有字幕，或者平臺提供了 CC 字幕但內容不完整，而你需要的是視頻裏的逐字口播文案。手動聽寫長視頻不現實；調在線語音識別 API，又會遇到單條視頻時長受限、需要 API Key、按調用量計費等問題。
下面介紹的 Skill「抖音B站快手視頻口播文案提取」，就是爲了處理這類場景：下載視頻的音頻流，在本地用離線語音識別引擎轉成文字，再清理識別錯誤並格式化輸出。
這是什麼¶
一句話定位：針對無字幕的抖音/B站/快手視頻，做音頻離線轉錄，輸出完整口播文案。
- 出品與維護：發佈者爲 SkillHub 上的 user_a3d77f06，座標
@user_a3d77f06/video-asr-transcript，當前版本 1.0.1，來源 community。 - 所屬分類：content-creation。
- 解決什麼問題：平臺沒有字幕或 CC 字幕不可用時，拿不到視頻的逐字內容；在線 ASR 方案受時長、密鑰和費用限制。
核心功能¶
根據官方簡介，這個 Skill 的能力包括：
- 輸入視頻鏈接或視頻描述信息，例如抖音的分享文本、B 站的 BV 號。
- 下載視頻的音頻流，不走完整視頻文件。
- 使用 Vosk 離線語音識別引擎做中文轉錄，整個過程不依賴在線服務。
- 轉錄完成後自動清理 ASR 常見錯誤（如斷詞、多餘停頓標記），並格式化輸出。
官方給出的適用描述是：需要完整逐字轉錄而不是簡介摘要，或者視頻時長較長、無法使用在線 API 的場景。
安裝與啓用¶
官方 Skill 頁面（skillhub.cn）在本文覈實時無法訪問，已抓取資料中沒有給出安裝命令、目錄位置或配置文件字段。因此這裏不提供未經覈實的安裝步驟。
根據資料可以確認的一點是：該 Skill 帶有 requires_api_key=false 標籤，即使用過程中不需要 API Key。這與它採用本地 Vosk 離線識別一致，但具體安裝方式仍需以官方頁面爲準。
使用方式¶
該 Skill 基於通用 SKILL.md 格式，按觸發詞喚起。官方列出的觸發詞包括：
- 視頻轉錄
- 音頻轉文字
- 提取口播文案
- 無字幕視頻轉錄
- ASR轉錄
- 語音識別轉文字
使用流程可以概括爲：把視頻鏈接或分享文本交給 Skill，它下載音頻流、調用 Vosk 轉寫、清理識別錯誤，最後返回格式化後的口播文案。由於官方頁面未能訪問，本文不給出具體的調用示例和參數細節，需要時以官方頁面說明爲準。
適用場景¶
適合這幾類需求：
- 視頻本身沒有字幕，需要把口播內容整理成文字稿。
- 需要完整逐字轉錄，而不是平臺自帶的簡介或摘要。
- 視頻較長，在線 ASR 方案時長受限或成本不合適。
- 想避免按調用量計費的在線識別 API。
限制與注意¶
- 識別質量取決於音頻清晰度和 Vosk 中文模型的表現，強背景音、多人混音場景下錯誤率會上升，需要人工校對。
- 這是離線轉錄，機器上需要能正常運行 Vosk 及相關依賴，環境準備情況以官方說明爲準。
- 下載音頻流涉及目標平臺的內容獲取，使用前確認是否符合所在平臺條款和版權要求。
- 本文覈實時官方 Skill 頁面無法訪問，安裝命令、版本細節如有更新，以官方頁面爲準。資料中的評分（100000）和下載量（990）來自抓取時點，後續會變化。
結尾¶
這個 Skill 的價值在於：把「無字幕視頻 → 逐字口播文案」這條鏈路變成一條離線流程，不需要 API Key，不受在線服務時長限制。如果你正被抖音、B 站、快手視頻的文案提取卡住，可以先從官方頁面確認安裝方式再試。
官方地址：https://api.skillhub.cn/user_a3d77f06/video-asr-transcript
