agentleFS
huanchong-99huanchong-99/PocketAide/.claude/skills/video-note/SKILL.md

video-note

Skill9 starsChanged 5 months agoMITView on GitHub

把抖音/B站/本地视频转成文字并整理成知识笔记。当用户发来视频链接(抖音 v.douyin.com / douyin.com/video、B站 b23.tv / bilibili.com/video)或本地音视频文件,要求"转写/转文字/做笔记/总结/记下来/整理一下"时,用这个 skill。覆盖 取流→下载→ASR转写(SenseVoice GPU)→整理笔记→入知识库 全链路,是原豆包云转写方案的稳定本地替代。

3 other projects use a version of this.

Adopted by

Most recently taken up by

  • Other versions3 projects use a version of this.

    Word for word · 0

    None found.

    Edited · 0

    None found.

    Wrote their own version · 3

    1. joelhooks/joelclaw★ 66same name
    2. abcamus/sync-vault-skills★ 7same name
    3. steveu/skills★ 1same name

    How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.

  • In this repository7 other files it gives its agents.

The file

Files
SKILL.md

video-note — 视频转写 + 笔记

做什么

视频链接/文件 → 音频 → 文字(SenseVoice ASR,GPU)→ 结构化笔记 → 入 knowledge/(二次确认)→ kg 索引。

环境(首次部署见 references/install.md:装 .venv-video-note venv + 下 SenseVoice/VAD 模型 + ffmpeg)

  • ASR venv:.venv-video-note\Scripts\python.exe(Python 3.12 + funasr + torch CUDA)
  • ASR 模型:models/SenseVoiceSmall + models/speech_fsmn_vad
  • ffmpeg:download_audio.py 自动查找(WinGet 装的)
  • 采集 Chrome:19222,用 scripts/launch-scrape-chrome.vbs 起(启动带 --mute-audio 全程静音;取流完自动关,见流程「关闭采集 Chrome」)
  • 中文路径(仓库路径含中文时):transcribe.py 自动 subst 盘符绕过;ASCII 路径(如默认)不触发,无需关心

调用约定

所有脚本用 venv 的 python 调,路径用仓库相对或绝对(中文 OK,脚本内部转 ASCII):

  • 仓库根 = <仓库根>(本机克隆的实际根路径,用 git rev-parse --show-toplevel 取)
  • VPY = <仓库根>\.venv-video-note\Scripts\python.exe
  • SCRIPTS = <仓库根>\.claude\skills\video-note\scripts

流程(唯一路径,严格按序)

0. 判定输入类型

  • 抖音(v.douyin.com / douyin.com/video/)→ 【抖音】
  • B站(b23.tv / bilibili.com/video/)→ 【B站】
  • 本地文件路径(.mp4/.wav/...)→ 【本地】
  • 拿不准 → 问用户,别猜

【启动采集 Chrome】(抖音/B站公共前置;本地路线跳过)

chrome-devtools MCP 配的是 --browserUrl=http://127.0.0.1:19222(只连已有实例,自己不起 Chrome)。取流前必须确保 19222 在监听——没开 chrome-devtools 全废。

一条命令(脚本内部自动探活→没开才 wscript 起 vbs→等+复探活,幂等):

powershell.exe -NoProfile -ExecutionPolicy Bypass -File scripts/launch-scrape-chrome.ps1

看 stdout:READY ... = 19222 就绪,继续取流;FAILED ... = 起不来,立即停下向用户报告"采集 Chrome 启动失败,19222 未就绪",绝不自行诊断(见禁止清单)。

关键:必须用相对路径 scripts/launch-scrape-chrome.ps1(cwd 是仓库根,相对路径无中文)。绝不在 bash 命令行里写中文路径调 powershell/cmd/wscript——仓库路径含中文,bash(UTF-8)→powershell(GBK) 会让中文乱码,Chrome 根本不会被启动(06-27 那次 ask hard-timeout 就栽在这:Chrome 压根没起来,claude 又没早停,自由诊断 chrome.exe 卡死 15 分钟)。

【抖音】取流(详见 references/douyin-fetch.md)

  1. 前置:先【启动采集 Chrome】确认 19222 就绪
  2. chrome-devtools navigate_page 到抖音链接(短链跳转后从最终 URL 取 aweme_id)
  3. chrome-devtools evaluate_script 执行 douyin-fetch.md 里的取流 JS(整段照抄,别改;JS 开头已含静音行) → 拿 play_url
  4. → 【关闭采集 Chrome】→ 【下载+转写】

【B站】取流(详见 references/bili-fetch.md)

  1. 前置:先【启动采集 Chrome】确认 19222 就绪
  2. chrome-devtools navigate_page 到B站链接
  3. chrome-devtools evaluate_script 执行 bili-fetch.md 里的取流 JS(整段照抄;JS 开头已含静音行) → 拿 audio_url + subtitles
  4. 若有字幕(CC):下字幕 json 解析成文本(省 ASR),→ 【关闭采集 Chrome】→ 【整理笔记】
  5. 若无字幕:拿 audio_url → 【关闭采集 Chrome】→ 【下载+转写】

【关闭采集 Chrome】(取流拿到直链/字幕后立即关)

拿到 play_url / audio_url / 字幕后立即关采集 Chrome(后续下载用 ffmpeg、转写用本地 ASR,不再需要浏览器):

powershell.exe -NoProfile -ExecutionPolicy Bypass -File scripts/close-scrape-chrome.ps1

只关 19222 调试实例(按 profile/端口匹配),不碰日常 Chrome。【本地】路线没开浏览器,跳过此步。

【本地】

直接用文件路径 → 【转写】(先 ffmpeg 转 16k mono wav)

【下载+转写】(Bash 跑脚本)

# 1. 下载音频
<VPY> <SCRIPTS>/download_audio.py --url "<直链>" --out workspace/tmp/<id>.wav --referer "<平台 referer>"
# 抖音 referer=https://www.douyin.com/  B站 referer=https://www.bilibili.com/

# 2. 转写(默认 GPU + VAD,自动处理中文路径)
<VPY> <SCRIPTS>/transcribe.py --audio workspace/tmp/<id>.wav --out workspace/tmp/<id>.txt

【整理笔记】

  1. 读 workspace/tmp/<id>.txt
  2. Claude 整理成结构化笔记:标题、核心要点、摘要(按视频内容组织,不是流水账转写)
  3. 调 knowledge-write skill:整理好的笔记发用户二次确认,通过才入 knowledge/
  4. 入库后跑 kg 索引:python tools/kg/kg.py index --file <knowledge相对路径>

笔记详略(按视频时长 + 信息密度定篇幅,别一刀切、别灌水):

  • 短(<3min)/低密度(口播闲聊、流水账):精简——核心要点 3-5 条 + 一句话摘要,不硬扩成长文
  • 中(3-15min)/正常密度:标准结构(标题 + 核心要点 + 摘要)
  • 长(>15min)/高密度(讲座、教程、干货盘点):详细——按章节/主题分组、要点充分展开、可带小标题
  • 原则:以信息量定篇幅,不是以视频时长定;密度低的不灌水,密度高的写足

证据分级(轻量标注,让用户分清"视频原话" vs "AI 引申"):

  • 原文要点(来自字幕/转写的视频实际内容):笔记主体,默认不额外标注
  • 归纳/推断(Claude 提炼的结论、引申、背景补充、跨内容关联):用 (归纳) 标注,或单独放「延伸」小节
  • 只在明显是引申时标,不必每条都标;高密度干货视频尤其要分清原文与归纳

工具职责(钉死,唯一序列)

步骤工具用途
取流chrome-devtools navigate_page + evaluate_script拿直链(JS 开头含静音行;页面自动签名,绝不自己算签名)
关 ChromeBash + close-scrape-chrome.ps1取流拿到直链/字幕后立即关采集 Chrome(只关 19222)
下载Bash + download_audio.py直链 → 16k mono wav
转写Bash + transcribe.pywav → txt(SenseVoice GPU + VAD)
整理Claude 读 txt 结构化txt → 笔记
入库knowledge-write skill二次确认 → knowledge/
索引Bash + kg.py index进知识图谱

禁止清单(摁死歧路,绝不绕路)

  • ❌ 绝不脱离浏览器自己算抖音 a_bogus 签名(维护地狱;只在页面 fetch 让 SDK 签)
  • ❌ 绝不用 CapsWriter 转写(不同系统各跑各的;ASR 只用本 skill 的 SenseVoice,不抢 CapsWriter 的 Vulkan GPU)
  • ❌ transcribe.py / download_audio.py 内部不改(参数固定;中文路径脚本自动处理)
  • ❌ 直链不缓存(有时效,每次现取现下)
  • ❌ evaluate_script 只执行 reference 里给的取流 JS(JS 开头已含静音行,执行取流即同时静音,无需额外静音调用)——不用它干别的(不 querySelector 找元素、不模拟点击、不截图找元素、不读页面文本)。取流 JS 之外的页面交互一律禁止。
  • ❌ 启动采集 Chrome / 取流 / 下载 连续失败 2 次(含启动后 19222 端口复探活失败):停下向用户报告原因,不死循环重试
  • ❌ 绝不自行诊断/换方式启动 Chrome:启动只用 launch-scrape-chrome.ps1(相对路径调,它内部 wscript 起 vbs)。启动后端口复探活仍失败 → 立即停报告,绝不改用 cmd/headless、换版本子目录 exe、或在 bash 里直接调 chrome.exe --version 诊断(顶层 chrome.exe 是转发器,会挂住不返回;且 bash 命令行写中文路径调 powershell/cmd 会乱码——曾致整轮卡死 15 分钟触发 ask hard-timeout)
  • ❌ 笔记不直接写 knowledge/:必须经 knowledge-write 二次确认
  • ❌ 模型不现下:模型已在 models/,若缺失报错提示用户按 install.md 装,不自动联网下(慢且可能失败)

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.