| name | chinese-video-transcribe-pdf |
| description | 将中文字幕视频（或无字幕视频）转写为文本，并生成中文PDF报告。使用 faster-whisper 做语音转写（不受字幕限制），ReportLab 生成专业中文PDF。适用于YouTube、MP4等来源的视频。 |
| tags | ["中文","转写","PDF","whisper","faster-whisper"] |
Chinese Video Transcription to PDF
将中文视频转写为结构化文本并生成专业中文PDF报告。
核心工作流
1. yt-dlp 下载视频
2. ffmpeg 抽出音频（16kHz PCM） ← 关键步骤，避免视频解码问题
3. faster-whisper tiny/medium 模型转写（支持中文，无需字幕）
4. 整理 Markdown 报告内容
5. render_cn_report_pdf.py 生成 PDF
Step 1：下载视频
yt-dlp -f "bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]/best" \
-o "~/Downloads/%(title)s.%(ext)s" "VIDEO_URL"
如下载中断，用 --force-overwrites 或直接重新运行（yt-dlp 自动续传）。
Step 2：抽出音频（关键）
视频编码（AV1等）可能导致 Whisper 卡在43% 解码位置。必须先抽出音频：
ffmpeg -i "INPUT.mp4" -vn -acodec pcm_s16le -ar 16000 -ac 1 /tmp/audio.wav -y
参数说明：
-vn 不要视频-acodec pcm_s16le 线性PCM，避免压缩编码问题-ar 16000 Whisper 推荐的采样率-ac 1 单声道
Step 3：转写（faster-whisper）
不要用 openai-whisper CLI（输出 pipe 到 tail 时无法观察进度，且某些视频编码会卡住）。
用 Python API + faster-whisper：
from faster_whisper import WhisperModel
model = WhisperModel("tiny", device="cpu", compute_type="int8")
segments, info = model.transcribe(
"/tmp/audio.wav",
language="zh",
vad_filter=True,
vad_parameters=dict(min_silence_duration_ms=800)
)
results = []
for seg in segments:
results.append({
"start": round(seg.start, 2),
"end": round(seg.end, 2),
"text": seg.text.strip()
})
import json
with open("/tmp/transcript.json", "w", encoding="utf-8") as f:
json.dump({"segments": results, "language": info.language}, f, ensure_ascii=False, indent=2)
模型选择：
tiny — 最快（3分钟左右转写40分钟），中文识别准确率已很好medium — 更准但更慢，适合关键内容
Step 4：生成 Markdown 报告
根据转写内容整理 Markdown 结构，使用中文标题和自然段落。
Step 5：生成 PDF
重要决策点： ReportLab 渲染器的输出质量偏基础（markdown 直转，无 CSS 精排，层次感弱）。当用户需要专业/咨询风格报告时（如对方明确说"排版太差""咨询风格"），跳过 ReportLab，使用 HTML+CSS+Chrome 导出。
路径 A：基础版 — ReportLab（快速，排版一般）
python3 $SKILL_DIR/../../../openclaw-imports/chinese-pdf-report/scripts/render_cn_report_pdf.py \
--input /tmp/report.md \
--output ~/Downloads/输出报告.pdf
字体自动注册：SongtiSC（正文）、HeitiSC（标题）、KaitiSC（引用）。
路径 B：咨询风格 — HTML+CSS+Chrome headless（专业排版）
参考 chinese-pdf-report 技能中已验证的 CSS 规格（PingFang 字体栈、蓝/青/赤配色、Hero区、卡片、表格、引用块、网格布局），手写 HTML → Chrome 导出。
已验证的导出命令（注意必须用纯 ASCII 路径中转，中文路径会导致 Chrome 导出空白 PDF）：
cp report.html /tmp/report_for_pdf.html
'/Applications/Google Chrome.app/Contents/MacOS/Google Chrome' \
--headless=new --disable-gpu --no-sandbox \
--no-pdf-header-footer \
--print-to-pdf='/tmp/report_output.pdf' \
'file:///tmp/report_for_pdf.html'
cp /tmp/report_output.pdf "最终输出路径/报告.pdf"
--no-pdf-header-footer 是强制项，否则 PDF 页面边缘会泄漏本地 file:// 路径和浏览器时间戳。
故障排除
| 问题 | 原因 | 解法 |
|---|
| youtube-transcript-api 返回 disabled | 视频字幕被禁用 | 直接用 faster-whisper 转写，无需字幕 |
| Whisper CLI 卡在43% | 视频流解码问题 | 先用 ffmpeg 抽出 WAV 音频再转写 |
| openai-whisper 无输出 | pipe 到 tail 导致 stdout buffer | 用 faster-whisper Python API，轮询进程状态 |
| PDF 中文乱码 | 字体未嵌入 | 用 render_cn_report_pdf.py，自动注册中文字体 |
| Whisper 模型下载慢 | 网络问题 | 提前下载好：ls ~/.cache/whisper/ |
| 转写中的人名/专有名词错误 | Whisper 对历史人名、日文人名、专业术语不可靠 | 生成报告前必须人工核查。已知错例：张献忠→张县中、山上彻也→山上彻野、"如出一辙"→"如诸一辙"。不要直接信任转写结果中的专有名词。 |
依赖安装
pip3 install faster-whisper
输出标准
最终交付：
- PDF 报告文件（中文无乱码）
- 源 Markdown 文件
- 转写 JSON 文件（可选）
文件命名规范：主题_报告类型_YYYYMMDD.pdf
