workflow-bilibili-whisper-transcription
星标5
分支0
更新时间2026年5月22日 09:21
Bilibili/YouTube 视频批量下载 + Whisper 语音识别
安装
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
SKILL.md
readonly来源
下载
相关职业SOC
基于 SOC 职业分类
菜单
Bilibili/YouTube 视频批量下载 + Whisper 语音识别
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
LLM Wiki vault 操作手册。 触发条件： - /ingest <path> — 当用户说「ingest」「把这篇文章加入 wiki」「编译到 wiki」「摄取」时触发 - /query <question> — 当用户说「搜索 wiki」「wiki 中有没有」「查一下 wiki」时触发 - /lint — 当用户说「检查 wiki」「wiki 健康度」「lint」「有没有断链」时触发 - /research <topic> — 当用户说「研究一下」「深度调研」「research」时触发
Use when the user wants to brainstorm an idea or design a feature/spec. Explores intent and requirements through dialogue, then writes a spec document to contexts/thought_review/ and STOPS. Does not auto-chain to implementation planning or any other skill.
结构稳定性分析器。不判断观点对错，只判断一件事：这个结构能不能活下去。 对任意观点、系统、模型、制度、人物言论进行五维结构稳定性分析， 输出存活概率和失效路径。当用户说「分析这个结构」「这个观点稳不稳」 「帮我拆一下」「结构分析」时触发。
AI 辅助开发中遇到“代码改不好”时的诊断思路与决策树
AI 产品设计、交互设计与系统架构中的关键原则与常见陷阱
AI 辅助编程与 Agent 系统设计的核心方法论和判断原则
| name | workflow-bilibili-whisper-transcription |
| description | Bilibili/YouTube 视频批量下载 + Whisper 语音识别 |
tmp/<task_name>/adhoc_jobs/videos_transcribe/transcripts/YYYYMMDD_platform_videoid_short_slug.md.srt、.vtt、.tsv、.json 等中间产物在 transcript 落盘后清理到废纸篓三阶段工作流：
| 决策点 | 选择 | 原因 |
|---|---|---|
| 下载并发 | 单线程 | 避免触发B站反爬机制 |
| 转录并发 | 多进程（4-8） | CPU密集，充分利用多核 |
| 模型选择 | 根据需求 | 见下表 |
| 输出格式 | 最终保留纯文本 transcript | 后续检索更稳定，中间产物可回收 |
| 模型 | 参数量 | 速度（CPU） | 准确度 | 推荐场景 |
|---|---|---|---|---|
| tiny | 39M | 1-2分钟/10分钟 | 较低 | 快速预览 |
| base | 74M | 2-5分钟/10分钟 | 中等 | 平衡选择 |
| small | 244M | 5-10分钟/10分钟 | 较高 | 日常使用 |
| medium | 769M | 10-20分钟/10分钟 | 高 | 高质量需求 |
| large-v3 | 1550M | 20-60分钟/10分钟 | 最高 | 最高质量要求 |
性能参考：12个视频（3.5小时）+ large-v3 + 7进程 ≈ 20分钟
Whisper 原始输出通常需要后处理：
| 问题 | 现象 | 解决方案 |
|---|---|---|
| 352错误 | 请求被B站拦截 | 添加User-Agent/Referer headers，增加延迟，或手动获取ID |
| 404错误 | 视频已删除或ID错误 | 验证ID有效性，跳过无效视频，记录失败ID |
| 内存不足 | 多进程转录时内存溢出 | 减少并行进程数（4-6个），使用较小模型，分批处理 |
| 下载不完整 | .m4a文件无法播放 | 检查文件大小，重新下载，添加完整性验证 |
| 转录太慢 | large-v3单个视频20-60分钟 | 选择合适模型大小，使用GPU加速，分块处理长视频 |
下载阶段： 单线程 + 2-3秒延迟 + User-Agent headers + 只下载音频 + 记录失败ID
转录阶段： 多进程（4-8） + 指定language参数 + 跳过已处理文件 + 根据硬件选择模型
落盘阶段： 在 tmp/ 完成下载和转录，整理出纯文本脚本后移入 adhoc_jobs/videos_transcribe/transcripts/
清理阶段： transcript 落盘后删除或回收音频、时间轴字幕和 sidecar 文件，只保留最终脚本
质量优化： 关键内容用large-v3，快速预览用base/small，必要时人工校对
错误处理： 实现重试机制，验证文件完整性，处理异常避免脚本中断