Video Download

统一处理 B 站与 YouTube 的视频本体下载。工具链不打包进本目录——yt-dlp 与 ffmpeg 已在 brew 安装（/opt/homebrew/bin/），本 skill 定义方法、参数与边界。

前置检查

yt-dlp --version   # 本机 2026.03.17，过期时 brew upgrade yt-dlp
ffmpeg -version    # dash 流音视频合并必需，缺失时 brew install ffmpeg

两者缺一则先装好再继续，不要试图用 requests 拼视频流。

平台差异总表

Cookie 统一用浏览器现有登录态（--cookies-from-browser safari 或 chrome），不要导出 Cookie 文件落盘进项目。

命令范式

B 站

yt-dlp -f "bv*+ba/b" --cookies-from-browser safari \
  -o "%(title)s [%(id)s].%(ext)s" \
  "https://www.bilibili.com/video/BVxxxxxxxx"

• bv*+ba/b：最佳视频流+最佳音频流合并（ffmpeg），失败回退单文件
• 匿名下载去掉 --cookies-from-browser 一行
• 只要音频（讲座/播客转写用）：-f "ba/b" -x --audio-format m4a
• 字幕（UP 已上传时）：加 --write-subs --sub-langs "zh-Hans,zh" --skip-download

YouTube

yt-dlp -f "bv*+ba/b" --cookies-from-browser safari \
  -o "%(title)s [%(id)s].%(ext)s" \
  "https://www.youtube.com/watch?v=xxxxxxxxxxx"

• 1080P 以内通常匿名即可；年龄限制/批量场景加 Cookie
• 自动字幕（ASR，转写用）：--write-auto-subs --sub-langs "zh-Hans,en" --skip-download
• 字幕+音频一起（转录管线输入）：-f "ba/b" -x --audio-format m4a --write-auto-subs --sub-langs "zh-Hans,en"

批量下载（两平台通用）

从 URL 清单文件（每行一个视频链接；B 站可用 BV 号清单，数据采集脚本产出）：

yt-dlp -f "bv*+ba/b" --cookies-from-browser safari \
  --download-archive downloaded.txt \
  -o "%(title)s [%(id)s].%(ext)s" \
  --batch-file url-list.txt

• --download-archive downloaded.txt：断点续跑不重复下载
• 批量间隔 --sleep-requests 3 --sleep-interval 5：B 站防 412、YouTube 缓节流

风控与合规

1. B 站 412 限流：连续请求必然触发。批量务必加 sleep 参数；被 412 后用浏览器 Cookie 重试（数据侧 buvid3 缓解经验同样适用）
2. YouTube 节流：无 Cookie 连续请求会越来越慢（429 降速），批量时带 Cookie 或加大间隔
3. 失败重试：--retries 5 --fragment-retries 5
4. 版权边界：下载仅限个人研究/学习/存档用途；不对外再分发，不把视频文件放入对外发布的资料包。B 站/YouTube 条款均禁止未经许可的下载——这是工具能做什么与应该做什么的分界

归档路径

《大退出》bilibili 语料的经验同样适用于 YouTube：先采元数据，按需下载本体，不要整库拉视频。

与上下游的衔接

工作流顺序：

1. 数据侧（requests/API 脚本，非本 skill）：B 站关键词搜索 → bilibili-great-exit-master-final.csv 这类清单；YouTube 侧已有 collect_youtube_samples.py 与 youtube-search-sample-*.csv 实践
2. 本体侧（本 skill）：从清单提取链接 → --batch-file 批量下载 → 本地归档
3. 转录侧（706-audio-transcribe-archive）：下载的音频/视频 → MLX Whisper 转写 + 说话人对齐 + 入库

本 skill 不重新实现平台元数据采集；已有脚本继续留在项目 source/ 原位。