视频摘要生成器

智能获取视频字幕文本 → 交由大语言模型（LLM）生成内容摘要

处理流程

视频链接 → 检查缓存 → 尝试下载字幕 → 是否存在字幕？ → 直接提取文本 → 生成摘要
                                                     ↓ 无字幕
                                                      下载音频 → Whisper 转录 → 生成摘要

特性

• 优先使用字幕：优先采用官方或人工字幕；仅在无可用字幕时回退至 Whisper 转录
• 多平台支持：Bilibili、YouTube、Douyin、Twitter、TikTok 及 1000+ 其他平台
• 自动语言识别：Whisper 自动识别视频语言（中文、英文、日文等）
• 并发安全：每个视频使用独立临时目录，支持多视频并行处理
• 智能缓存：同一视频后续请求直接返回已缓存结果

支持的平台

基于 yt-dlp 实现，支持 1000+ 平台：

依赖安装

脚本将自动检测并安装缺失依赖：

• ffmpeg（音频格式转换）→ brew install ffmpeg
• whisper.cpp（语音转文字）→ brew install whisper-cpp
• Python3（隔离虚拟环境）→ brew install python3

执行以下命令：

scripts/install_dependency.sh

注意：首次安装耗时取决于网络速度，可能需要较长时间。

使用方法

# 处理单个视频（首次运行执行转录，后续运行直接返回缓存结果）
scripts/process.sh "video_url"

完整处理流程：

1. 检查缓存（若存在则立即返回）
2. 尝试下载字幕（优先下载中文人工字幕，其次为自动生成字幕）
3. 若有字幕 → 提取纯文本；若无字幕 → 下载音频 → 使用 Whisper 进行转录
4. 原始文本保存至 summarize_result/{title}_transcript_raw.txt

随后请指示我生成摘要，并将结果保存为 Markdown 文件！

输入格式支持

• Bilibili：https://www.bilibili.com/video/BV1s8UZBZEa8
• YouTube：https://www.youtube.com/watch?v=dQw4w9WgXcQ
• Douyin：https://www.douyin.com/video/7123456789
• Twitter：https://twitter.com/user/status/123456789
• TikTok：https://www.tiktok.com/@user/video/123456789
• 其他所有 yt-dlp 支持的 URL

输出说明

文件名使用视频标题以增强可读性，特殊字符将自动处理：

cache/{title}/
└── transcript_raw.txt          # 原始转录文本

summarize_result/
└── {title}.md                    # 摘要文件

文件名规范化规则：

• 中文标点符号 《》【】：？ → 替换为 _
• 英文符号 /:*?"<>| → 替换为 _
• 空格 → 替换为 _
• 连续下划线合并为单个下划线
• 最大长度限制为 50 个字符

目录结构

video-summarize/
├── cache/                   # 缓存目录
│   └── {title}/             # 每个视频的独立子目录
│       ├── transcript_raw.txt  # 原始转录文本（保留）
│       ├── status.json      # 处理状态（完成后清理）
│       ├── subs/            # 字幕临时目录（完成后清理）
│       ├── audio.m4a        # 音频文件（完成后清理）
│       └── audio.wav        # WAV 格式音频（完成后清理）
├── summarize_result/        # 摘要输出目录
│   └── {title}.md           # 摘要文件
├── whisper-models/
│   └── ggml-base.bin
├── scripts/
│   ├── install_dependency.sh
│   ├── process.sh
│   └── safe_filename.py
└── SKILL.md

字幕支持情况

字幕优先级：中文人工字幕 > 英文人工字幕 > 自动生成字幕

注意事项

• 仅处理公开视频（不支持会员专属或付费内容）
• 人工/官方字幕质量通常优于 Whisper 转录结果（优先采用）
• 转录质量取决于音频质量及 Whisper base 模型性能
• 长视频（>30 分钟）转录耗时更长
• 对中文、英文、日文等主流语言支持良好
• 需联网下载视频音频或字幕