ワンクリックでManusで任意のスキルを実行

whisper-transcribe

Transcribe audio/video to accurate subtitles using Whisper AI, with optional translation and delivery. Supports YouTube URLs and local audio/video files. Use when: (1) a YouTube video has no subtitles, (2) auto-generated captions are inaccurate, (3) the user wants high-quality transcription, (4) the user needs translated subtitles, (5) the user wants transcripts sent to email or cloud storage. Triggers: "轉錄", "語音轉文字", "Whisper", "沒有字幕", "字幕不準", "transcribe", "speech to text", "no subtitles", "bad captions", "翻譯字幕", "translate subtitles", "寄到信箱", "上傳到雲端". Make sure to use this skill whenever the user needs transcription beyond what YouTube auto-captions provide, or when yt-search reports no subtitles available.

Manusで実行

概要

インストールコマンド

npx skills add https://github.com/azuma520/youtube-to-notebooklm --skill whisper-transcribe

このコマンドをClaude Codeにコピー＆ペーストしてスキルをインストール

ソース

azuma520/youtube-to-notebooklm

スター36

フォーク7

更新日2026年3月7日 02:49

ファイルエクスプローラー

4 ファイル

SKILL.md

readonly

name

whisper-transcribe

description

whisper-transcribe

用 Whisper AI 將音頻/影片轉錄為高準確度字幕（SRT），可選翻譯和投遞。

何時使用

yt-search 回報影片沒有字幕
YouTube 自動字幕品質差（用戶抱怨不準）
用戶需要非 YouTube 來源的轉錄（本地音頻、會議錄音等）
用戶要求翻譯字幕
用戶想把字幕寄到信箱或上傳雲端

前置條件

yt-dlp + ffmpeg（下載音頻）
本地模式：pip install faster-whisper（需 GPU 或可用 CPU）
雲端模式：pip install groq + GROQ_API_KEY

詳細安裝見 references/setup.md。

核心流程：轉錄

從 YouTube URL

python <skill-path>/scripts/transcribe.py "https://youtube.com/watch?v=xxx" \
  -o "$TEMP/transcripts" \
  --model large-v3 \
  --device cuda

從本地檔案

python <skill-path>/scripts/transcribe.py ./recording.mp3 \
  -o "$TEMP/transcripts" \
  --model large-v3

使用 Groq 雲端（無 GPU）

python <skill-path>/scripts/transcribe.py "URL_or_FILE" \
  -o "$TEMP/transcripts" \
  --backend groq

輸出：{video_id}.srt（帶時間碼）+ {video_id}.txt（純文字）。

參數選擇指引

情境	建議參數
一般英文影片	`--model large-v3`（預設）
中文/日文內容	`--model large-v3 --language zh` 或 `ja`
快速預覽	`--model small --device cpu`
無 GPU	`--backend groq`
長影片（> 2 小時）	本地模式，避免 API 超時

不指定 --language 時會自動偵測。但已知語言時指定會提高準確度。

可選：翻譯字幕

轉錄完成後，用戶想翻譯：

python <skill-path>/scripts/translate_srt.py "$TEMP/transcripts/VIDEO_ID.srt" \
  --target zh-tw \
  --engine deepl \
  -o "$TEMP/transcripts/VIDEO_ID_zh.srt"

翻譯引擎選擇：

引擎	品質	速度	成本	設定
`deepl`	最佳	快	免費 50 萬字/月	`DEEPL_API_KEY`
`openai`	很好（上下文感知）	中	按量計費	`OPENAI_API_KEY`

也可以讓 Agent 直接讀取 TXT 檔後在對話中翻譯，不需要額外 API — 適合短內容或用戶想邊看邊討論。

可選：投遞

寄到 Gmail

Agent 使用可用的 email 工具（Claude Code 有 Gmail MCP）：

讀取轉錄/翻譯後的檔案
建立草稿或直接發送，附上 SRT/TXT 檔案
主旨建議：[Transcript] {影片標題}

上傳到 Google Drive

rclone copy "$TEMP/transcripts/VIDEO_ID.srt" gdrive:/Transcripts/
rclone copy "$TEMP/transcripts/VIDEO_ID.txt" gdrive:/Transcripts/

需要先設定 rclone（見 references/setup.md）。

如果用戶沒有 rclone，也可以用 Google Drive API 或手動告知檔案路徑讓用戶自己上傳。

與其他 Skill 的串接

← 從 yt-search 接手

yt-search 用 --list-subs 發現沒有字幕，或用戶表示自動字幕不準時：

告知用戶：「這部影片沒有（好的）字幕，要用 Whisper 轉錄嗎？」
用戶同意後，用影片 URL 執行轉錄
輸出 SRT + TXT

→ 推送到 anything-to-notebooklm

轉錄完成後，用戶想推進 NotebookLM：

用 TXT 檔做 notebooklm source add "$TEMP/transcripts/VIDEO_ID.txt" --wait
或直接用影片 URL（NotebookLM 原生支援 YouTube）

TXT 檔的優勢：經過 Whisper 轉錄，品質遠高於 NotebookLM 自己抓的 YouTube 自動字幕。

完整工作流範例

用戶：「幫我找 AI agent 的教學影片」
  → yt-search 搜尋，列出 20 部

用戶：「第 3 部看起來不錯，幫我抓字幕」
  → yt-search 回報：這部影片沒有字幕

用戶：「那用 Whisper 轉錄」
  → whisper-transcribe 下載音頻 + 轉錄
  → 產出 SRT + TXT

用戶：「翻譯成繁中，然後寄到我信箱」
  → translate_srt.py 翻譯
  → Gmail 寄出

用戶：「也幫我推到 NotebookLM 生成播客」
  → anything-to-notebooklm source add TXT
  → generate audio

清理暫存

rm -rf "$TEMP/transcripts/"

注意事項

首次使用會下載模型（large-v3 約 3GB），之後從快取載入
GPU 記憶體不足時自動降級：先試 large-v3，不行換 medium 或 small
Windows 加 PYTHONUTF8=1 前綴
長音頻（> 3 小時）建議用本地模式，雲端 API 可能超時或超額

このリポジトリの他の Skills

同じリポジトリ

anything-to-notebooklm

azuma520/youtube-to-notebooklm

Upload content to Google NotebookLM and generate podcasts, slides, mind maps, quizzes, reports, videos, and more. Also browse, search, and query existing notebooks. Supports URLs (web, YouTube), local files (PDF, DOCX, PPTX, XLSX, EPUB, Markdown, images, audio, CSV, JSON, ZIP), AI research, and Google Drive. Use when the user says: "上傳到 NotebookLM", "生成播客", "做成 PPT", "畫思維導圖", "generate podcast", "make slides", "create mind map", "upload to NotebookLM", "做成報告", "出題", "生成 Quiz", "turn this into a podcast", "summarize this as slides", "把這個做成播客", "幫我整理成報告", "ask NotebookLM", "問筆記本", "找之前的筆記本", "NotebookLM 上的", "check my notebooks", "download the podcast", "what notebooks do I have", "搜尋 notebook", "之前的 notebook", "下載播客", "瀏覽筆記本". Activate this skill whenever the user wants to push content to NotebookLM, generate outputs, browse or query existing notebooks, or download previously generated artifacts.

2026-03-0836

yt-search

azuma520/youtube-to-notebooklm

Search YouTube videos, get video metadata, and download subtitles/transcripts using yt-dlp. Use when the user wants to find videos, search YouTube, look up a YouTube channel, get video info, download captions, grab subtitles, or extract a transcript. Triggers include "找影片", "搜影片", "YouTube 搜尋", "抓字幕", "逐字稿", "search videos", "find videos on YouTube", "get subtitles", "video transcript", "youtube tutorial", "watch video about", "影片推薦", "有沒有影片", "教學影片". Make sure to use this skill whenever the user mentions YouTube, video search, subtitles, or transcripts — even if they don't explicitly say "yt-search".

2026-03-0736

ソース

azuma520

azuma520/youtube-to-notebooklm

GitHub リポジトリを開く Creator のリポジトリを見る

インストールコマンド

ダウンロード

Manusで実行

役立つ用途SOC

その他コンピュータ職コンピュータ・数学職15-1299L4

ソフトウェア開発者L4

name

whisper-transcribe

description

whisper-transcribe

用 Whisper AI 將音頻/影片轉錄為高準確度字幕（SRT），可選翻譯和投遞。

何時使用

yt-search 回報影片沒有字幕
YouTube 自動字幕品質差（用戶抱怨不準）
用戶需要非 YouTube 來源的轉錄（本地音頻、會議錄音等）
用戶要求翻譯字幕
用戶想把字幕寄到信箱或上傳雲端

前置條件

yt-dlp + ffmpeg（下載音頻）
本地模式：pip install faster-whisper（需 GPU 或可用 CPU）
雲端模式：pip install groq + GROQ_API_KEY

詳細安裝見 references/setup.md。

核心流程：轉錄

從 YouTube URL

python <skill-path>/scripts/transcribe.py "https://youtube.com/watch?v=xxx" \
  -o "$TEMP/transcripts" \
  --model large-v3 \
  --device cuda

從本地檔案

python <skill-path>/scripts/transcribe.py ./recording.mp3 \
  -o "$TEMP/transcripts" \
  --model large-v3

使用 Groq 雲端（無 GPU）

python <skill-path>/scripts/transcribe.py "URL_or_FILE" \
  -o "$TEMP/transcripts" \
  --backend groq

輸出：{video_id}.srt（帶時間碼）+ {video_id}.txt（純文字）。

參數選擇指引

情境	建議參數
一般英文影片	`--model large-v3`（預設）
中文/日文內容	`--model large-v3 --language zh` 或 `ja`
快速預覽	`--model small --device cpu`
無 GPU	`--backend groq`
長影片（> 2 小時）	本地模式，避免 API 超時

不指定 --language 時會自動偵測。但已知語言時指定會提高準確度。

可選：翻譯字幕

轉錄完成後，用戶想翻譯：

python <skill-path>/scripts/translate_srt.py "$TEMP/transcripts/VIDEO_ID.srt" \
  --target zh-tw \
  --engine deepl \
  -o "$TEMP/transcripts/VIDEO_ID_zh.srt"

翻譯引擎選擇：

引擎	品質	速度	成本	設定
`deepl`	最佳	快	免費 50 萬字/月	`DEEPL_API_KEY`
`openai`	很好（上下文感知）	中	按量計費	`OPENAI_API_KEY`

也可以讓 Agent 直接讀取 TXT 檔後在對話中翻譯，不需要額外 API — 適合短內容或用戶想邊看邊討論。

可選：投遞

寄到 Gmail

Agent 使用可用的 email 工具（Claude Code 有 Gmail MCP）：

讀取轉錄/翻譯後的檔案
建立草稿或直接發送，附上 SRT/TXT 檔案
主旨建議：[Transcript] {影片標題}

上傳到 Google Drive

rclone copy "$TEMP/transcripts/VIDEO_ID.srt" gdrive:/Transcripts/
rclone copy "$TEMP/transcripts/VIDEO_ID.txt" gdrive:/Transcripts/

需要先設定 rclone（見 references/setup.md）。

如果用戶沒有 rclone，也可以用 Google Drive API 或手動告知檔案路徑讓用戶自己上傳。

與其他 Skill 的串接

← 從 yt-search 接手

yt-search 用 --list-subs 發現沒有字幕，或用戶表示自動字幕不準時：

告知用戶：「這部影片沒有（好的）字幕，要用 Whisper 轉錄嗎？」
用戶同意後，用影片 URL 執行轉錄
輸出 SRT + TXT

→ 推送到 anything-to-notebooklm

轉錄完成後，用戶想推進 NotebookLM：

用 TXT 檔做 notebooklm source add "$TEMP/transcripts/VIDEO_ID.txt" --wait
或直接用影片 URL（NotebookLM 原生支援 YouTube）

TXT 檔的優勢：經過 Whisper 轉錄，品質遠高於 NotebookLM 自己抓的 YouTube 自動字幕。

完整工作流範例

用戶：「幫我找 AI agent 的教學影片」
  → yt-search 搜尋，列出 20 部

用戶：「第 3 部看起來不錯，幫我抓字幕」
  → yt-search 回報：這部影片沒有字幕

用戶：「那用 Whisper 轉錄」
  → whisper-transcribe 下載音頻 + 轉錄
  → 產出 SRT + TXT

用戶：「翻譯成繁中，然後寄到我信箱」
  → translate_srt.py 翻譯
  → Gmail 寄出

用戶：「也幫我推到 NotebookLM 生成播客」
  → anything-to-notebooklm source add TXT
  → generate audio

清理暫存

rm -rf "$TEMP/transcripts/"

注意事項

首次使用會下載模型（large-v3 約 3GB），之後從快取載入
GPU 記憶體不足時自動降級：先試 large-v3，不行換 medium 或 small
Windows 加 PYTHONUTF8=1 前綴
長音頻（> 3 小時）建議用本地模式，雲端 API 可能超時或超額