Menu
从视频文件中提取音频。当用户需要从 mp4、mkv、webm 等视频中提取音频用于后续语音识别时使用。使用 ffmpeg 处理。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
语音识别 / 音频转文字。当用户需要将音频文件（mp3、wav、m4a 等）转为文字、做会议录音转写、或者提到语音识别、ASR、音频转文本时使用此 skill。底层使用火山引擎（ByteDance）大模型语音识别 API。
从语音转写文本生成学习笔记与总结报告。当需要将 transcript.md 整理为结构化的学习文档时使用。
视频/音频学习资料整理全流程。当用户说「整理这个视频」「帮我做学习笔记」「把这个课程转成笔记」「学习资料整理」时使用。
| name | video-to-audio |
| description | 从视频文件中提取音频。当用户需要从 mp4、mkv、webm 等视频中提取音频用于后续语音识别时使用。使用 ffmpeg 处理。 |
执行前先确认 ffmpeg 可用：
ffmpeg -version
若未安装，提示用户安装：sudo apt install ffmpeg（Linux）或 brew install ffmpeg（macOS）。
如果用户未提供视频文件路径，先询问。支持本地文件和远程 URL（先下载再处理）。
询问用户是否需要 1.5 倍速播放以节约后续 API 费用。若用户选择是，在提取音频时应用 atempo=1.5 滤镜。
ls -l <video_path> | awk '{print $5}'
# 或
stat -c%s <video_path>
输出文件名从输入视频文件名自动派生：取输入视频的文件名（不含扩展名）作为音频文件名。例如 my_course.mp4 → audios/my_course.mp3。
先创建输出目录：
mkdir -p audios
基本命令（优先保证人声质量，兼顾文件大小）：
ffmpeg -i <video_path> -vn -acodec libmp3lame -q:a 2 -ac 1 -ar 22050 audios/<output.mp3>
参数说明：
-vn：去除视频流-acodec libmp3lame：MP3 编码（文件小）-q:a 2：VBR 质量 2（约 190kbps，人声清晰）-ac 1：单声道（人声不需要立体声）-ar 22050：22kHz 采样率（人声足够，比 44.1kHz 节省一半）1.5 倍速版本：
ffmpeg -i <video_path> -vn -acodec libmp3lame -q:a 2 -ac 1 -ar 22050 -filter:a "atempo=1.5" audios/<output.mp3>
提取完成后，检查输出音频文件大小。若大于 25MB：
# 先获取音频时长（秒）
DURATION=$(ffprobe -v error -show_entries format=duration -of csv=p=0 audios/<output.mp3>)
# 计算每段时长：总时长 / ceil(文件大小 / 25MB)
# 假设文件大小 60MB，则分 3 段，每段 = DURATION / 3
SEGMENTS=$(( ($(stat -c%s audios/<output.mp3>) + 26214399) / 26214400 ))
SEGMENT_DURATION=$(echo "$DURATION / $SEGMENTS" | bc -l)
# 用 ffmpeg segment 分段
ffmpeg -i audios/<output.mp3> -f segment -segment_time $SEGMENT_DURATION -c copy audios/<output_base>_%03d.mp3
分段后输出多个文件：audios/<output_base>_000.mp3, audios/<output_base>_001.mp3, ...，后续逐个调用 speech-recognize。