视频智能总结 Skill

自动下载 YouTube 和 B站视频，使用 Whisper 进行语音识别，生成结构化的内容摘要。

功能特性

• 双平台支持：支持 YouTube 和 B站视频下载
• 自动解析：支持 YouTube 链接、B站 BV号/av号/短链接
• 语音识别：使用 OpenAI Whisper 模型进行高精度语音转文字
• 智能总结：基于语音识别文本生成结构化摘要
• 多语言支持：自动检测视频语言（中文、英文等）
• 字幕导出：生成 SRT 字幕文件和纯文本转录

使用方式

用户可以通过以下方式触发此 skill：

帮我总结这个 YouTube 视频：https://www.youtube.com/watch?v=xxxxx
总结这个 B站视频：https://www.bilibili.com/video/BV1xx411c7XD
分析这个视频讲了什么：https://youtu.be/xxxxx
下载并总结 BV1xx411c7XD
这个视频主要内容是什么：https://b23.tv/xxxxx

工作流程

1. 视频下载

使用 yt-dlp 下载视频音频流：

⚠️ Skill video-summarizer is not installed.

参数：

• video_url（必需）：视频链接（YouTube 或 B站）
• --output-dir：输出目录（默认：/tmp/chat-skills-output/video-summarizer/downloads）
• --quality：视频质量（默认：best）

返回：

{
  "success": true,
  "platform": "youtube",
  "video_id": "xxxxx",
  "title": "视频标题",
  "audio_path": "/tmp/chat-skills-output/video-summarizer/downloads/xxxxx.m4a",
  "duration": 600,
  "url": "原始链接"
}

2. 语音识别

使用 Whisper 进行语音识别：

⚠️ Skill video-summarizer is not installed.

参数：

• audio_path（必需）：音频文件路径（步骤 1 返回的路径）
• --model：Whisper 模型（默认：base，可选：tiny/base/small/medium/large）
• --language：指定语言（默认自动检测）
• --output-dir：输出目录（默认：与音频文件同目录）

返回：

{
  "success": true,
  "transcript": "完整的识别文本...",
  "srt_path": "/path/to/subtitles.srt",
  "txt_path": "/path/to/transcript.txt",
  "language": "zh",
  "duration": 600
}

3. 完整流程（推荐）

使用一键脚本完成下载+识别：

⚠️ Skill video-summarizer is not installed.

参数：

• video_url（必需）：视频链接
• --whisper-model：Whisper 模型（默认：base）
• --keep-files：保留下载的音频文件（默认删除）
• --output-dir：基础输出目录（默认：/tmp/chat-skills-output/video-summarizer）

返回：

{
  "success": true,
  "video_info": {
    "platform": "youtube",
    "title": "视频标题",
    "duration": 600,
    "url": "原始链接"
  },
  "transcription": {
    "transcript": "完整文本...",
    "srt_path": "/path/to/subtitles.srt",
    "txt_path": "/path/to/transcript.txt",
    "language": "zh"
  }
}

4. 生成内容总结

获得识别文本后，生成结构化摘要：

# 视频总结

## 视频信息
- **平台**: YouTube / Bilibili
- **标题**: [视频标题]
- **时长**: X分钟
- **语言**: 中文/英文
- **链接**: [原始链接]

## 核心观点

1. **观点一**：简要描述
2. **观点二**：简要描述
3. **观点三**：简要描述

## 详细内容

### 开头部分（0:00 - X:XX）
- 要点 1
- 要点 2

### 中间部分（X:XX - Y:YY）
- 要点 1
- 要点 2

### 结尾部分（Y:YY - 结束）
- 要点 1
- 要点 2

## 关键信息

- **重要数据**：列举视频中提到的重要数字、统计数据
- **专业术语**：解释视频中的专业名词
- **推荐资源**：视频中提到的工具、网站、书籍等

## 一句话总结

[用一句话概括视频的核心内容]

Whisper 模型对比

环境要求

系统依赖

FFmpeg（必需，用于音频处理）：

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt update && sudo apt install -y ffmpeg

# Windows
winget install Gyan.FFmpeg

yt-dlp（必需，用于下载视频）：

# 使用 pip 安装
pip install yt-dlp

# 或使用 brew (macOS)
brew install yt-dlp

Python 依赖

pip install openai-whisper yt-dlp

注意事项

1. 首次使用 Whisper：第一次运行时会自动下载模型文件（约 140MB - 3GB）
2. 视频时长：建议处理 30 分钟以内的视频，超长视频识别时间会很长
3. 识别精度：
   • tiny/base：速度快，适合快速预览
   • small/medium：平衡精度和速度
   • large：最高精度，但速度较慢
4. 磁盘空间：确保有足够空间存储临时下载文件
5. 网络要求：YouTube 可能需要代理访问

平台支持

YouTube

• 标准链接：https://www.youtube.com/watch?v=xxxxx
• 短链接：https://youtu.be/xxxxx
• 自动选择最佳音频质量

Bilibili

• 标准链接：https://www.bilibili.com/video/BV1xx411c7XD
• 短链接：https://b23.tv/xxxxx
• BV号：BV1xx411c7XD
• av号：av12345678

常见问题

Q: 下载 YouTube 视频失败怎么办？

A:

1. 检查网络连接，可能需要配置代理
2. 确保 yt-dlp 是最新版本：pip install -U yt-dlp
3. 检查视频是否有地区限制

Q: 识别结果不准确？

A: 尝试使用更大的 Whisper 模型（如 medium 或 large）。

Q: 处理时间太长？

A: 使用更小的模型（如 tiny 或 base），或处理较短的视频。

Q: B站视频下载失败？

A: 检查视频是否需要登录观看，yt-dlp 支持通过 cookies 下载需要登录的视频。