video-digest

name	video-digest
description	将公开视频或音频链接下载并转录为完整逐字稿，再根据真实转录内容提炼重点。用户说“提取视频”“转录链接”“生成逐字稿和摘要”、使用“/提取”并附带链接，或一次提供多个视频链接时使用。支持 B站、抖音、YouTube、小红书及 yt-dlp 可处理的平台。

视频转录与重点提炼

把视频或音频链接转换为“重点提炼 + 完整逐字稿”，直接显示在对话中，不写入知识库或永久文件。

始终基于真实转录内容生成摘要。不要根据标题、描述或常识补写未转录出的内容。

前置检查

确认以下命令可用：

yt-dlp --version
ffmpeg -version
whisper --help

如有缺失，告诉用户安装：

pip install -U yt-dlp openai-whisper
# macOS: brew install ffmpeg
# Ubuntu / Debian: sudo apt install ffmpeg

工作流

1. 解析输入

• 提取一个或多个 URL，以及可选备注。
• 识别平台用于结果展示：
  • bilibili.com / b23.tv：B站
  • douyin.com / tiktok.com：抖音
  • youtube.com / youtu.be：YouTube
  • xiaohongshu.com / xhslink.com：小红书
  • 其他：其他平台
• 多个 URL 必须逐条处理；每条链接使用独立临时目录。

2. 获取元数据并转录

为当前链接创建临时目录：

WORKDIR="$(mktemp -d "${TMPDIR:-/tmp}/video-digest.XXXXXX")"

获取标题、作者、时长和发布时间：

yt-dlp --dump-single-json --no-download --no-playlist "<URL>"

下载音频并转换为适合 Whisper 的 WAV：

yt-dlp -x --audio-format wav --audio-quality 0 \
  --postprocessor-args "ffmpeg:-ar 16000 -ac 1" \
  -o "$WORKDIR/audio.%(ext)s" --no-playlist "<URL>"

转录：

whisper "$WORKDIR/audio.wav" --model base --language zh \
  --output_format txt --output_dir "$WORKDIR"

• 明确是英文内容时，把 --language zh 改为 --language en。
• 语言不明确或混合语言较多时，去掉 --language 让 Whisper 自动识别。
• 读取完整的 $WORKDIR/audio.txt，不要只读开头或截断后半段。
• 下载失败时，明确说明“该链接无法访问，未能转录”，不要生成摘要。

3. 校验内容

• 转录超过 50 个字符：生成重点提炼。
• 转录不超过 50 个字符：只输出逐字稿，并说明内容过短，未生成提炼。
• 转录为空：报告失败，不得用视频简介替代逐字稿。

4. 提炼重点

按原文结构提炼，不自行增加原文没有的观点：

[一句话概括核心价值]

① 名称：具体说明
② 名称：具体说明
...

核心观点：[一句话总结]

纠正上下文中明显的语音识别错误；无法确认的专有名词标记 [?]，不要猜测。

5. 输出结果

🎬 标题：<title>
👤 作者：<uploader>
⏱️ 时长：<duration>
🔗 链接：<url>

📝 重点提炼：
<提炼结果>

———————————
📄 完整逐字稿：
<完整转录文字>

6. 清理

确认输出所需内容已经读取后，删除当前链接的临时目录：

rm -rf "$WORKDIR"

不要删除任何非本工作流创建的目录。

异常处理

• 链接需要登录、内容已删除、地区受限或下载失败：说明具体失败原因，不编造内容。
• 视频超过 15 分钟：仍然完整转录；提前提示可能耗时较长。
• 多个链接：一条失败不影响后续链接，分别报告每条结果。