Menu
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| 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）