video-to-text

# Video-to-Text 视频转文字 把视频变成可复制、可搜索的文字。支持抖音分享链接（元数据，无需登录）和本地视频文件（语音转写）。 ## 触发条件 用户发送以下内容时使用本技能： - 抖音分享链接，要求"转文字""提取文案""拆解视频" - 本地视频文件（.mp4/.mov），要求"语音转文字""字幕" ## 使用步骤 ### 1. 抖音分享链接 → 元数据 ```bash python3 scripts/vtt.py "https://v.douyin.com/xxxx/" ``` - 输出元数据（标题/作者/点赞/标签） - **注意**：分享链接当前只提取元数据——语音转写请让用户保存视频后走本地文件（步骤 2） ### 2. 本地视频文件 → 语音转写 ```bash python3 scripts/vtt.py 本地视频.mp4 ``` - 自动提取音频、faster-whisper 转写（中文） - 转写文本保存为 `<输入名>_transcript.txt` 并打印时间戳分段 ## 依赖（首次使用时安装） ```bash pip3 install faster-whisper # 转写需要（首次会下载 tiny 模型 ~75MB） # macOS 自带 avconvert；Linux 需 ffmpeg # 抖音 SSR 解析零依赖（curl + 标准库） ``` ## 已知陷阱 - **duration_ms=0 假阴性**：SSR 元数据时长可能为 0，但实际是视频。若元数据显示 0 秒且有下载 URL，先下载验证，不要直接判定为图文。 - **play_addr URL 过期**：SSR 解析出的视频 URL 可能 404，此时需 Cookie 降级或让用户提供文件。 - **whisper 转写慢**：Intel Mac 上 3 分钟视频约 5 分钟；转写必须加 `language='zh'` 否则自动检测多花 1-2 分钟。 - **图文内容**：duration=0 且下载文件 <1MB 时是图文（无音频），只输出元数据，不要编造内容。