youtube-transcribe

name	youtube-transcribe
description	YouTube 视频 → 下载 → 转录 → 翻译 → 存为 Markdown。 支持中英文，英文内容自动翻译成中文，输出中英对照。
category	media
triggers	["用户发送 YouTube 视频链接","把这个 YouTube 视频转成文字","帮我转录这个 YouTube","YouTube 翻译"]
version	1.0.0
tags	["media","audio","video","transcription","youtube","translation"]

YouTube 视频转录 + 翻译 Skill

字幕优先：先抓官方/自动字幕（秒级、免 GPU），抓不到再下载音频用 SenseVoice-Small 转录；英文内容自动翻译成中文，输出中英对照 Markdown。加 --no-subtitle 可强制走音频转录。

为什么需要这个

YouTube 有大量优质英文内容，但很多人没时间看完或语言不通。这个 skill：

• 转录视频为文字（支持中英文）
• 英文内容自动翻译成高质量中文
• 输出中英对照，方便学习

环境要求

# Python 3.9+
python -m venv .venv
source .venv/bin/activate

# 依赖
pip install funasr modelscope torch torchaudio

# 系统依赖
# macOS: brew install ffmpeg yt-dlp
# Ubuntu: sudo apt install ffmpeg && pip install yt-dlp

# 翻译功能（可选，英文视频需要）
export DEEPSEEK_API_KEY="your-api-key"

使用方法

python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx"
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --output ./output
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-translate  # 不翻译
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-subtitle  # 强制音频转录
python scripts/batch_transcribe.py ../../examples/youtube-urls.txt -o ./output --no-translate

流程

Step 1: yt-dlp 下载音频

yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
  "https://www.youtube.com/watch?v=xxxxx"

Step 2: SenseVoice-Small 转录

from funasr import AutoModel
model = AutoModel(model="iic/SenseVoiceSmall", ...)
result = model.generate(input=audio_path, language="auto", use_itn=True)

Step 3: 语言检测 + 翻译

• 中文内容 → 直接输出
• 英文内容 → LLM 翻译成中文，输出中英对照

Step 4: 生成 Markdown

---
title: 视频标题
type: note
tags: [YouTube]
language: en
translated: true
---

# 视频标题

> 转录引擎：SenseVoice-Small | 翻译：DeepSeek

## 中文翻译

翻译内容...

---

## English Original

原文内容...

批量模式

scripts/batch_transcribe.py 支持 URL 列表批处理，默认单条失败后继续处理下一条；需要严格模式时加 --stop-on-error。

翻译配置

默认使用 DeepSeek API 翻译。需要设置环境变量：

export DEEPSEEK_API_KEY="your-api-key"

支持的 LLM：

• DeepSeek（推荐，性价比高）
• OpenAI
• 任何兼容 OpenAI API 格式的服务

性能数据

视频时长	下载	转录	翻译	总耗时
5 min	~10s	~5s	~10s	~30s
10 min	~15s	~10s	~20s	~50s
30 min	~30s	~30s	~60s	~2min

已知限制

• SenseVoice-Small 对英文转录准确率不如中文
• 翻译质量取决于 LLM 能力
• 长视频翻译可能需要较长时间
• 部分 YouTube 视频有地区限制

参考项目

• yt-dlp/yt-dlp - 视频下载工具
• FunAudioLLM/SenseVoice - 语音识别模型
• DeepSeek - 翻译用 LLM

⚖️ 合规声明

仅供个人学习与研究使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。