前言¶

把 B站視頻、抖音短視頻、播客或會議錄音變成文字稿，常見做法是找一個在線轉寫網站，把鏈接粘貼進去，等它返回結果。代價有兩個：一是視頻要先傳到別人的服務器，涉及隱私和授權問題；二是長視頻往往要排隊、要登錄、要充值。

下面介紹的這個 Skill 走的是本地路線：拿到視頻鏈接或音頻文件後，在本機完成下載和語音識別，不上傳、不調用付費 API。

這是什麼¶

「免費視頻轉文字·任意鏈接」是一個社區來源的 Skill，座標 @user_afd54145/any-video-to-text，當前版本 1.0.0，分類 data-analysis，發佈者 user_afd54145。

它解決的問題是：把視頻鏈接或本地錄音統一轉成文字稿，並讓識別後端跟着機器自動選，使用者不需要自己判斷該裝哪套模型。

核心功能¶

1、輸入覆蓋兩類：一是 1700+ 視頻站點的鏈接，包括 B站、YouTube、抖音、微博、知乎、小紅書、西瓜等；二是本地文件，如會議錄音、播客、課程錄屏。

2、識別全程在本機運行，不花錢、不上傳。這是它和在線轉寫工具的主要區別。

3、後端自動適配機器：蘋果自研芯片走 mlx-whisper，Windows / Linux / 英特爾 Mac 走 faster-whisper，檢測到英偉達顯卡時自動啓用 GPU。

4、支持掛領域詞表，用於修正專業術語的同音字錯誤。這類詞表對醫療、法律、學術等專有名詞較多的場景比較有用。

安裝與啓用¶

官方頁面提供了兩個地址：API 端點 https://api.skillhub.cn/user_afd54145/any-video-to-text，以及 SkillHub 展示頁 https://www.skillhub.cn/skills/user_afd54145/any-video-to-text。

需要說明的是，本次寫作中這兩個頁面都無法打開，抓取失敗，因此文中不給安裝命令。請以官方頁面上的命令爲準，不要照抄第三方文章裏的寫法。

另外，資料裏該 Skill 的標籤爲 requires_api_key=false，即不需要 API key，啓用時不需要先申請密鑰。

典型用法¶

按官方簡介，觸發場景是用戶明確表達需要文字稿，或直接發來視頻鏈接 / 音頻文件。識別意圖的觸發詞包括：

視頻轉文字
轉成文字稿
把這條視頻轉了
B站轉文字
抖音轉寫
錄音轉文字
會議錄音整理
播客轉文字稿
長視頻抓重點
這個視頻太長幫我轉一下

輸入形式是視頻鏈接或本地音頻文件，輸出是對應的文字稿。具體的調用方式、參數和輸出格式在現有資料中沒有給出，需要在實際啓用後以頁面文檔爲準。

適用場景與注意¶

適合這些情況：需要處理包含內部信息的會議錄音，不方便上傳到第三方服務；需要批量把課程錄屏、播客轉成可檢索的文字；或者機器上有英偉達顯卡，想利用本地 GPU 省掉雲服務費用。

要注意這幾點：

1、識別質量取決於音頻清晰度和模型大小，本地小模型對口音重、背景噪聲大、專業詞密集的音頻可能出錯，領域詞表只能修正同音字，不能解決識別不到的問題。

2、視頻站點支持數量以官方說明爲準，站點改版或加了反爬之後能否繼續下載，取決於下載環節是否穩定。

3、首次運行需要下載對應後端和模型文件，取決於網絡情況，過程中需要耐心等待。

4、長視頻的識別時間與音頻長度成正比，不是瞬時完成的。

小結¶

這個 Skill 的價值在於把「下載視頻 + 選模型 + 轉寫 + 術語校正」這一步收斂到本地一條鏈路上，適合對隱私敏感、或者希望不花錢處理長音頻的場景。

官方地址：https://www.skillhub.cn/skills/user_afd54145/any-video-to-text