前言¶

手头有一段两小时的播客录音或 B 站长视频，想要的是两件事：一份能检索的逐字稿，和一张看得懂的要点总结。现有做法通常是把文件传到某个在线转写服务，或者先把音频传到网盘再交给另一个 AI 总结工具，中间至少两次上传，成本和隐私都得算。下面介绍的这个 Skill 把这两步合并到本地：转写用 faster-whisper，总结交给模型读稿完成，全流程不离开本机。

这是什么¶

「音视频转写总结」是一个基于通用 SKILL.md 格式的 Skill，坐标 @user_2963961b/av-transcript-summary，分类 knowledge-management，由社区开发者 user_2963961b 维护。当前版本 v1.3.1。

它解决的问题很具体：把本地音视频文件或视频链接转成文字稿，并按固定结构生成总结。作者在简介里明确对标「得到大脑（原 Get 笔记）」的语音转写 + AI 总结能力，也就是丢一段视频/音频/播客进去，出来「全文逐字稿 + 一张看得懂的总结」。

需要注意：该版本页面标注「本版停更」，最新维护已迁移至 WorkBuddy 开放平台（在「专家·技能·连接器」中搜索「音视频转写总结」），本版不再更新也不再修复问题。安装前请确认你实际使用的是哪个入口。

支持的输入¶

三类输入：

1. 本地视频：mp4、mkv、mov、flv、webm、ts 等。
2. 本地音频：mp3、m4a、wav、flac、aac、ogg、opus、amr 等。
3. 视频链接：B 站、YouTube、今日头条等，依赖 yt-dlp；资料说明 yt-dlp 缺失时会自动安装。

工作流¶

分两步。

第一步是转写。脚本 scripts/transcribe.py 从音视频中抽取音轨，用 faster-whisper 转写成两份产物：transcript.txt（带时间戳）和 transcript.srt 字幕文件。脚本内置热词表，用于自动纠正同音误识，这在专有名词、人名、品牌名较多的访谈类素材上比较有用。

第二步是总结。转写完成后，由「小澄」读取 transcript.txt，按固定结构产出总结，字段包括：核心观点、分点详述、可行动项、金句、一句话总评。作者说明这一结构与「得到大脑」的 AI 提炼要点保持一致。

产物位置¶

默认落在「<文件名>_转写/」目录下，也可以通过 --out 指定输出路径。目录内同时保存逐字稿和字幕，方便后续按时间点回看原片。

安装与启用¶

官方地址：https://api.skillhub.cn/user_2963961b/av-transcript-summary ，SkillHub 页面：https://www.skillhub.cn/skills/user_2963961b/av-transcript-summary 。

本次抓取的官方页面和 API 地址均无法访问，资料中未提供安装命令、依赖清单或配置字段。因此这里不写安装步骤——请以 SkillHub 页面或仓库内 SKILL.md 的说明为准，不要照抄网上其他 Skill 的安装命令。

启用方式按 SKILL.md 的常规流程：把 Skill 放进工具的 skills 目录后，由 Agent 在对话中识别触发词并调用。标签信息显示 requires_api_key=false，即不需要额外 API Key。

典型用法¶

转写一个本地视频，输出到默认目录：

python scripts/transcribe.py /path/to/talk.mp4

指定输出目录：

python scripts/transcribe.py /path/to/talk.mp4 --out ~/notes/talk_转写

参数细节以仓库内 SKILL.md 为准，上面的写法对应资料中给出的脚本名和 --out 开关。

当用户说「把这段视频/音频转成文字」「总结这个视频/播客」「语音转文字并总结」「提炼 B 站视频」「音视频转写」「得到大脑那种总结」「把录音整理成笔记」时，Agent 应调用这个 Skill。

适用场景与注意¶

适合：播客、访谈、课程、会议录音这类需要先留底再提炼的长内容；对隐私敏感、不希望素材上传到第三方服务的本地工作流。

限制：

1. 转写在本地完成，机器需要有足够的 CPU/显存跑 faster-whisper，长音频耗时较长。
2. 视频链接依赖 yt-dlp，部分平台可能需要额外的 Cookie 或代理配置。
3. 热词表能缓解同音误识，但不能替代对专业术语的人工校对，重要文稿建议按 transcript.srt 回听抽查。
4. 该版本已标注停更，遇到问题可能不会再修；需要长期维护的话按官方说明迁移到 WorkBuddy 开放平台的对应条目。

结尾¶

这个 Skill 的价值在于把「转写」和「总结」压成一条本地流水线，产物既是可检索的逐字稿，也是可直接使用的要点文档。如果你的需求是给音视频素材做一份能放进笔记系统的总结，它是一个值得装进 skills 目录的选项。

官方地址：https://api.skillhub.cn/user_2963961b/av-transcript-summary