Menu
视频/音频转文字稿。从视频文件中提取音频，用 whisperX 进行语音识别、时间戳对齐和说话人分离，输出带时间戳和说话人标签的文字稿。适用于：直播回放转写、会议录音转文字、播客转录、任何视频/音频转文稿的场景。
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
从观点摘要和原始素材生成可发布的文章。支持多种文体（博客、知乎回答、公众号、技术文章），自动应用防 AI 写作规则。适用于：直播内容二次创作、观点输出为文章、素材整合成稿、任何"有料但还没成文"的场景。
从长文本（直播文稿、会议记录、播客转录、文章）中提炼核心观点、金句、争议点和行动项。输出结构化的观点摘要，可直接供 article-forge 等下游 skill 使用。适用于：直播回放分析、会议纪要提炼、长文精读、内容策划前的素材整理。
从长视频（直播回放、会议录像、播客）中批量生成短视频切片。基于转写文稿精确定位观点边界，自动去除静音卡顿和口吃，输出音画同步的短视频。适用于：直播切片、会议精华提取、短视频二创、播客精彩片段。
视频内容全链路处理。一个视频进去，文字稿+观点摘要+短视频切片+可发布文章全出来。串联 video-to-text → insight-extractor → video-clipper → article-forge 四个 skill 的完整流水线。适用于：直播回放、播客、会议录像的一站式内容加工。
| name | video-to-text |
| description | 视频/音频转文字稿。从视频文件中提取音频，用 whisperX 进行语音识别、时间戳对齐和说话人分离，输出带时间戳和说话人标签的文字稿。适用于：直播回放转写、会议录音转文字、播客转录、任何视频/音频转文稿的场景。 |
pip install whisperx）HF_TOKEN）对于简单的转写任务，直接运行脚本：
nohup python3 {skillDir}/scripts/transcribe.py /path/to/video.mp4 \
--output-dir /path/to/output \
--output-name transcript \
--diarize \
> /tmp/transcribe.log 2>&1 &
必须用 nohup 后台执行——长音频（>30 min）转写时间可达数十分钟到数小时，exec session 会超时。
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 <file>ln -sf "<原路径>" /tmp/input-video.mp4运行 scripts/transcribe.py，关键参数：
| 参数 | 默认值 | 说明 |
|---|---|---|
--model | large-v3 | Whisper 模型，large-v3 最准但最慢 |
--language | zh | 语言代码 |
--diarize | off | 启用说话人分离（需 HF_TOKEN） |
--device | cpu | cpu 或 cuda |
--batch-size | 8 | 批次大小，内存不够可降低 |
长音频转写用 cron watcher 监控：
# 创建 watcher 脚本
cat > /tmp/watch-transcribe.sh << 'EOF'
if ! kill -0 <PID> 2>/dev/null; then
echo "done $(date)" > /tmp/transcribe-status.txt
fi
EOF
或通过 OpenClaw cron 每 5 分钟检查进程状态。
脚本生成两个文件：
<name>.txt: 人类可读文稿，按说话人分段，带 [MM:SS] 时间戳<name>.json: 完整 whisperX 输出，含 word-level 时间戳转写完成后，将 .txt 文件复制到 workspace/transcripts/ 目录：
<原始文件名>.txt（如 直播回放-02月26日.txt）| 音频时长 | 模型 | 设备 | 预计耗时 |
|---|---|---|---|
| 30 min | large-v3 | CPU (M-series) | ~15 min |
| 1 hour | large-v3 | CPU (M-series) | ~30 min |
| 2 hours | large-v3 | CPU (M-series) | ~60 min |