video-transcribe

npx skills add majiayu000/claude-skill-registry --skill video-transcribe-codingsamss-all-my-ai-needs-2 --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# Video Transcribe & Visual Analysis Skill 从任意视频/音频链接提取内容并分析。支持音频转录、视频画面分析、或两者综合。支持 Twitter/X、YouTube、Bilibili 等 1000+ 站点。 ## 触发条件 当用户提到以下内容时触发： - "这个视频说了什么"、"帮我看看这个视频"、"视频内容"、"转录" - "transcribe this video"、"what does this video say" - 分享了包含视频的链接并希望了解内容 - "总结这个视频"、"视频摘要" - "提取字幕"、"语音转文字" - "视频画面是什么"、"视频里展示了什么"、"分析视频画面" - "analyze video visually"、"what's shown in this video" ## 模式判断 收到视频链接后，根据用户措辞判断分析模式。**按优先级从高到低匹配：** ### 1. 音频转录模式（audio） 用户**明确**要求处理语音/音频内容时使用。 - 命中关键词：转录、字幕、语音转文字、提取字幕、他说了什么话、transcribe、subtitle、speech-to-text - 典型表达："帮我转录这个视频"、"提取字幕"、"视频里他说了什么话" - 流程：仅提取音频 → Groq Whisper 转录 → 文本总结 ### 2. 画面分析模式（visual） 用户**明确**要求分析视觉/画面内容时使用。 - 命中关键词：画面、视觉、展示了什么、出现了什么、看到了什么、视频截图、视频帧、visual、frame、what's shown - 典型表达："视频画面是什么"、"视频里展示了什么"、"分析一下视频画面" - 流程：下载视频 → 提取关键帧 → Claude 视觉分析 → 画面描述 ### 3. 综合分析模式（full）— 默认 用户笼统地想了解视频内容，或意图不明确时使用。 - 命中关键词：分析、内容、说了什么、总结、帮我看看、什么内容、analyze、summary - 典型表达："这个视频说了什么"、"帮我看看这个视频"、"分析一下这个视频" - 流程：下载视频 → 提取关键帧分析画面 → 提取音频转录 → 综合总结 - **如果音频转录结果为空或无意义（纯音乐/无语音），自动退化为纯画面分析** - **如果关键帧提取失败（纯音频文件），自动退化为纯音频转录** ## 前置条件 1. **yt-dlp** 已安装: `brew install yt-dlp` 2. **ffmpeg** 已安装: `brew install ffmpeg` 3. **GROQ_API_KEY** 环境变量已设置（音频转录需要） - 申请地址: https://console.gro

if [ -d /tmp/video-transcribe ]; then
find /tmp/video-transcribe -type f -mtime +1 -delete 2>/dev/null
find /tmp/video-transcribe -type f \( -name '*.mp3' -o -name '*.wav' -o -name '*.mp4' -o -name '*.webm' -o -name '*.jpg' \) -delete 2>/dev/null
fi
mkdir -p /tmp/video-transcribe
yt-dlp --cookies-from-browser chrome \
ffmpeg -i '/tmp/video-transcribe/INPUT.mp4' \
ffmpeg -i '/tmp/video-transcribe/INPUT.mp3' \
curl -s -X POST \
for f in /tmp/video-transcribe/segment_*.mp3; do