القائمة
播客音频转逐字稿。作者：Flyinheart。将播客网页 URL 转为完整逐字稿，包含下载、切分、Whisper 转写（Large-V3）、断点续传、合并、LLM 清洗全流程。触发场景：用户发送播客链接并要求转写、生成逐字稿、整理录音内容。处理平台：小宇宙、喜马拉雅等播客网站。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | podcast-transcribe |
| description | 播客音频转逐字稿。作者：Flyinheart。将播客网页 URL 转为完整逐字稿，包含下载、切分、Whisper 转写（Large-V3）、断点续传、合并、LLM 清洗全流程。触发场景：用户发送播客链接并要求转写、生成逐字稿、整理录音内容。处理平台：小宇宙、喜马拉雅等播客网站。 |
将播客音频转为可读的逐字稿，包含完整工作流。
这个音频转逐字稿的目的是：
1. 用户提供播客网页 URL + 对话人信息（选填）
2. 解析音频下载地址并下载
3. 音频切分（>1小时切40分钟/段）
4. Whisper Large-V3 逐段转写
5. 断点续传（检测已完成的 part）
6. 合并所有段落
7. 搜索嘉宾及节目信息（区分发言人）
8. LLM 清洗（结合搜索信息，标注发言人）
9. 输出到 podcasts/ 目录
用户输入示例：
用户：帮我转写这个播客 https://xxx.com/episode/xxx 对话人是李继刚和孟岩
用户需要提供：
用户：这是李继刚对话孟岩的播客
或者：
对话人：李继刚（也叫继刚）、孟岩（也叫老孟）
作用：Whisper 可能识别错人名，清洗时需要知道正确的人名来修正。
从 URL 提取 episode ID，构造下载链接：
https://www.xiaoyuzhoufm.com/episode/{episode_id}
页面包含音频直链，用 web_fetch 或 exec curl 下载。
用 web_fetch 获取页面，找到 audio/m4a/mp3 链接，用 curl 下载。
{workspace}/podcasts/{EP编号}_{标题}.m4a
1小时：切约40分钟/段（2400秒）
ffmpeg -i input.m4a -ss 0 -to 2400 -c copy part1.m4a
ffmpeg -i input.m4a -ss 2400 -to 4800 -c copy part2.m4a
# ...
分段保存到 {workspace}/podcasts/split/
large-v3（其他模型中文支持差）language="zh", fp16=Falseimport whisper
model = whisper.load_model("large-v3", device="cpu")
result = whisper.transcribe(model, audio_file, language="zh", fp16=False)
for i in range(1, total_parts + 1):
output_file = f"part{i}.txt"
if os.path.exists(output_file) and os.path.getsize(output_file) > 1024:
print(f"Part {i} 已完成，跳过")
continue
# 处理这个 part
如果某个 part 转写失败（进程被 kill）：
所有 part 依次合并为一个文件：
{EP}_{标题}_逐字稿.txt
目的：Whisper 无法按音色区分发言人，需要通过搜索节目信息来辅助区分谁说了什么。
根据用户提供的对话人信息，构造搜索词：
搜索词："{节目名} {嘉宾1} {嘉宾2} 播客 简介"
搜索词："{节目名} 第{EP编号}期 嘉宾"
搜索词："{嘉宾1} {嘉宾2} 对话 播客"
使用 web_fetch 或 web_search 获取以下信息：
| 信息类型 | 来源 | 用途 |
|---|---|---|
| 节目简介 | 小宇宙节目页 | 了解节目定位 |
| 嘉宾介绍 | 小宇宙/搜索引擎 | 确认嘉宾身份 |
| 章节/时间轴 | 小宇宙单集详情 | 对照时间戳 |
| 节目官网 | 搜索引擎 | 获取更全信息 |
搜索到的信息保存为 {EP}_节目信息.txt，供清洗时使用。
重要：清洗步骤由 Agent 在当前对话中调用自己的模型完成，不需要额外配置。
{文件名}_清洗.txt你是一个专业的文字编辑，擅长整理对话录音。
请整理以下逐字稿，遵循以下规则：
1. **删除语气助词**：嗯、啊、这个、那个、然后、其实、就是、基本上、大概等
2. **去除口水话**：重复的表述、口齿不清的碎片
3. **完善修正表达**：只保留最终正确的表达
4. **整理逻辑顺序**：重新排列使其符合逻辑
5. **保留核心**：人名、专业术语、关键观点、具体数据必须保留
## 关键：根据节目信息区分发言人
请结合以下搜索到的节目信息，与逐字稿内容进行比对，推断每句话是谁说的，标注在话术前面。
【重要】如果无法确定是谁说的，根据上下文逻辑推断，并用"【推测：XXX】"标注。
节目/嘉宾信息：
[粘贴 Step 6 搜索到的所有节目信息]
逐字稿内容：
[粘贴原始逐字稿]
输出格式示例：
【李继刚】：我们今天来聊聊...
【孟岩】：好啊，我也想听听...
【主持人】：欢迎各位来到...
【推测：嘉宾A】：根据上下文推断...
请直接输出整理后的内容，不要添加任何评论。
如果逐字稿超过 10万字，按以下流程处理：
第一步：分段总结（每 10000 字一段）
请阅读以下逐字稿片段，总结其中的核心观点和关键信息。
结合以下节目信息推断发言人：
[粘贴搜索到的节目信息]
要求：
- 用简洁的语言概括这段内容的要点
- 保留关键数据和核心观点
- 不要口水话
- 根据节目信息自行判断并标注发言人（格式：【名字】：内容）
逐字稿内容：
[粘贴这段的逐字稿]
第二步：合并总结并整体清洗
你是一个专业的文字编辑，擅长整理对话录音。
请整理以下多段总结，遵循以下规则：
1. **删除语气助词**：嗯、啊、这个、那个、然后、其实、就是、基本上、大概等
2. **去除口水话**：重复的表述、口齿不清的碎片
3. **完善修正表达**：只保留最终正确的表达
4. **整理逻辑顺序**：重新排列使其符合逻辑
5. **保留核心**：人名、专业术语、关键观点、具体数据必须保留
请直接输出整理后的内容，不要添加任何评论。
分段总结内容：
[粘贴所有分段总结]
如果清洗失败，明确提示用户："LLM 清洗失败，可查看原始逐字稿"
如果逐字稿超过 10万字，直接清洗会超出模型上下文限制。需要采用分段清洗策略：
这样可以处理任意长度的逐字稿，不会丢失内容。
支持两种格式：
{EP}_{标题}_逐字稿.txt{EP}_{标题}_逐字稿.md用户可以指定一个时间范围（如 10:30 - 15:00），从逐字稿中提取该时间段的内容，并让 AI 提炼核心观点。
[0.0s -> 2479.9s] 内容请阅读以下时间范围内的逐字稿内容，然后提炼出核心观点和关键信息。
要求：
- 根据用户需求决定总结的详细程度
- 保留关键数据、核心观点、独特见解
- 不要口水话和重复表达
时间段：[用户指定的时间范围]
逐字稿内容：
[该时间段的文字]
| 场景 | 处理 |
|---|---|
| 下载失败 | 让用户提供其他 URL |
| 音频切分失败 | 提示用户检查文件 |
| Whisper 被 kill | 提示"进程被系统终止"，自动断点续传 |
| 合并失败 | 提示用户检查各 part 文件 |
| 清洗失败 | 明确提示用户，可查看原始稿 |
ffmpeg：音频切分（brew install ffmpeg）openai-whisper：本地转写模型
pip install openai-whisper
# 首次运行自动下载 large-v3 模型（约3GB）