youtube-podcast-transcribe

name	youtube-podcast-transcribe
description	将 YouTube 播客视频（中文/英文）自动转写为中文逐字稿，保留原访谈的问答形式。支持输入 YouTube 链接，自动提取英文 transcript，翻译整理为结构化 Q&A 中文文档。触发词："播客转写"、"YouTube 逐字稿"、"转写这个播客"、"YouTube transcript"。适用于服务器在国内无法直连 YouTube 的环境。

YouTube 播客转中文逐字稿

将 YouTube 播客视频转写为结构化中文 Q&A 逐字稿。

环境约束

服务器在国内，YouTube 完全不可达（yt-dlp、youtube-transcript-api、InnerTube API 全部超时）。所有方案必须通过第三方服务间接获取 transcript。

Transcript 提取（按优先级）

方法 1：播客官网直取（最快，优先）

很多知名播客在官网发布完整 transcript（含说话人标注），比 YouTube 字幕质量更高。

播客	Transcript URL 规律	示例
Dwarkesh Podcast	dwarkesh.com/p/{guest-name}	dwarkesh.com/p/john-schulman
Lex Fridman	lexfridman.com/podcast/{guest}	部分有
20VC	thetwentyminutevc.com/podcast	部分有

web_fetch(url="https://www.dwarkesh.com/p/{slug}", maxChars=100000)

如返回 404 或无 transcript，搜索：web_search("{播客名} {嘉宾名} transcript site:{播客域名}")

方法 2：Kome.ai（通用方案）

https://kome.ai/tools/youtube-transcript-generator — 无 Cloudflare 拦截，可从国内访问。

⚠️ 关键限制：

• 每个 session 仅 1 次免费 transcript，之后变 $2.50/次
• 清除 cookies + localStorage + sessionStorage 可重置免费额度
• YouTube video ID 大小写敏感，文档中的小写 ID 可能无效，需搜索确认正确 ID

操作流程：

1. 清除状态（每次提取前必做）
   browser evaluate: document.cookie.split(';').forEach(c => {
     document.cookie = c.trim().split('=')[0] + '=;expires=Thu,01 Jan 1970 00:00:00 UTC;path=/';
   }); localStorage.clear(); sessionStorage.clear(); 'cleared'

2. 导航
   browser navigate: https://kome.ai/tools/youtube-transcript-generator

3. 输入 URL（用 JS 直接设值 + 触发 React 事件）
   browser evaluate:
     const input = document.querySelector('input[type="url"], input[placeholder*="youtube"], input[placeholder*="URL"]');
     const nativeSet = Object.getOwnPropertyDescriptor(window.HTMLInputElement.prototype, 'value').set;
     nativeSet.call(input, 'https://www.youtube.com/watch?v={VIDEO_ID}');
     input.dispatchEvent(new Event('input', {bubbles: true}));
     'URL set'

4. 点击 Generate
   browser evaluate:
     const btns = Array.from(document.querySelectorAll('button'));
     const gen = btns.find(b => b.textContent.includes('Generate'));
     if (gen) { gen.click(); 'Clicked Generate'; } else 'Not found';

5. 等待 8-12 秒（视频越长等越久）

6. 点击 "Get Transcript — Free"
   browser evaluate:
     const btns = Array.from(document.querySelectorAll('button'));
     const free = btns.find(b => b.textContent.includes('Free') && b.textContent.includes('Transcript'));
     if (free) { free.click(); 'Clicked Free'; } else 'No Free button found';

   ⚠️ 如果按钮显示 "$2.50" 而非 "Free"，说明免费额度已用完，需清 cookie 重试

7. 等待 3-5 秒

8. 提取文本
   browser evaluate:
     const el = document.querySelector('[class*="transcript"]') ||
                document.querySelector('pre') ||
                document.querySelector('[class*="result"]');
     if (el) {
       window._fullText = el.textContent;
       'Total: ' + window._fullText.length;
     } else 'Not found';

9. 分段读取（每段 15000 字符）
   browser evaluate: window._fullText.substring(0, 15000)
   browser evaluate: window._fullText.substring(15000, 30000)
   ...直到读完

字幕不可用的情况： 如果返回 "Transcripts aren't available for this video"，说明发布者限制了字幕访问，无法提取，跳过该视频。

方法 3：DownSub（备用，可能被 Cloudflare 拦截）

参见 subtitle-downloader skill。当前环境下 headless 浏览器会被 Cloudflare 拦截，仅在用户安装了 Browser Relay 扩展后可用。

Video ID 校验

YouTube video ID 大小写敏感！ 文档或 Redoc 中的 URL 可能被自动转为小写导致字幕不可用。

校验步骤：

1. 直接用文档中的 ID 尝试 Kome.ai
2. 如返回"字幕不可用"，用 web_search 搜索正确 ID：

   web_search("{视频标题} {嘉宾名} site:youtube.com")
   

3. 对比搜索结果中的正确 ID（注意大小写）

中文逐字稿整理

拿到英文 transcript 后，整理为结构化中文 Q&A 逐字稿。

格式规则

1. 语言：输出中文，逻辑清晰可读
2. 专业术语保留英文：AI、GPU、LLM、Agent、RL、RLHF、Scaling Law、Transformer、MoE 等
3. 说话人标记：每段发言前加 first name +空格（如 Edwin Dwarkesh）
4. 采访人处理：采访人发言用 <font color="blue">（内容）</font> 标蓝加括号
5. 内容完整：不压缩、不省略实质性信息
6. 删除口水话：嗯、啊、you know、like、I mean、um、uh 等
7. 段落间空一行
8. 加粗关键结论：
   • 核心判断/定性（如"这不是垂直整合的问题，而是什么集成在什么场景下最重要"）
   • 预测/推断（如"真正的赢家可能是混合型架构"）
   • 反差/反直觉结论
   • 关键数据支撑的结论
   • 密度控制：每段最多 1-2 句加粗

文档头部模板

# {嘉宾名}：{主题} | 逐字稿

> **节目**：{频道名}
> **嘉宾**：{嘉宾全名}，{职位}
> **时长**：{时长}
> **发布时间**：{年月}
> **来源**：https://www.youtube.com/watch?v={VIDEO_ID}
> **整理**：AI 辅助转写 + 结构化整理

---

内容结构

按话题语义分组（不按时间强行切割），每个话题用二级标题：

## 一、{话题名，5-10字}

**Q：{问题提炼}**

**{嘉宾名}**：回答内容……**关键结论加粗**……

---

上传 Redoc

整理完成后上传到 Redoc：

/app/skills/hi-redoc-curd/scripts/hi-redoc-curd.sh -p {逐字稿文件路径}

返回 Redoc 链接给用户。

批量处理流程

处理多个视频时：

1. 先校验所有 video ID 的正确大小写（批量 web_search）
2. 优先用播客官网直取 transcript（速度最快）
3. 剩余的用 Kome.ai 逐个提取（每次提取前清 cookie）
4. 整理一个上传一个，即时给用户 Redoc 链接
5. 跳过字幕不可用的视频，最终汇总报告

进度汇报格式

✅ 第 X/N 完成：{标题}
📄 Redoc：{链接}

全部完成后输出汇总表：

| # | 标题 | 状态 | Redoc |
|---|------|------|-------|
| 1 | ... | ✅ | [链接](...) |
| 2 | ... | ❌ 字幕不可用 | — |

文件保存路径

podcast-transcripts/
├── 访谈原文/          # 英文原始 transcript
│   └── {序号}_{slug}.txt
└── 逐字稿/            # 中文结构化逐字稿
    └── {序号}_{slug}.md