Video Transcribe - 视频转文字

本地视频转文字 - 使用 OpenAI Whisper 进行语音识别，完全免费、离线运行、保护隐私

🎬 一键转录本地视频/音频为文字稿

使用 OpenAI Whisper 进行本地语音识别，完全免费、离线运行、保护隐私。

---

✨ 功能特点

• ✅ 完全免费 - 无需 API 密钥，无使用限制
• ✅ 本地运行 - 视频不上传，保护隐私
• ✅ 支持多格式 - mp4, mov, avi, mkv, mp3, wav, m4a 等
• ✅ 自动语言检测 - 支持中文、英文等 90+ 语言
• ✅ 带时间戳 - 输出 SRT 字幕格式
• ✅ 多模型选择 - 从快速到高精度任选
• ✅ AI 内容总结 - 转录后自动生成 200-300 字摘要 + 关键要点

---

📦 安装依赖

v1.0.3+ 无需手动安装！ 首次运行时会自动检测并安装 Whisper 引擎（约 300MB，一次性）。

如果自动安装失败，可手动安装：

bash

pip3 install openai-whisper -i https://pypi.tuna.tsinghua.edu.cn/simple

💡 安装大小：约 200-300 MB ⏱️ 安装时间：5-10 分钟（首次需下载模型）

---

🚀 使用方法

方式 1：直接用命令

bash

# 基础用法（自动检测语言）
python transcribe.py /path/to/video.mp4

# 指定中文
python transcribe.py /path/to/video.mp4 base zh

# 转录 + AI 总结
python transcribe.py /path/to/video.mp4 --summarize

# 输出到指定目录 + 总结
python transcribe.py /path/to/video.mp4 base zh --summarize

方式 2：在 OpenClaw 中调用

text

/transcribe /path/to/video.mp4 --summarize

---

📁 输出文件

转录完成后会生成以下文件（在同一目录）：

文件	格式	说明
视频名.txt	纯文本	无时间戳的文字稿
视频名.srt	SRT 字幕	带时间戳，可导入剪映/PR
视频名.vtt	WebVTT	网页字幕格式
视频名_summary.json	JSON	AI 内容总结（使用 --summarize 时生成）

---

🔧 高级选项

bash

# 只输出文字，不生成字幕
whisper video.mp4 --output_format txt

# 指定输出语言（翻译为英文）
whisper video.mp4 --task translate

# 调整温度（越高越随机，0 最确定）
whisper video.mp4 --temperature 0

# 显示详细日志
whisper video.mp4 --verbose True

完整选项：whisper --help

---

📝 注意事项

1. 首次运行会下载模型（一次性，约 100-800 MB）
2. 视频文件路径不要有空格，或用引号括起来
3. 长视频需要耐心等待（5 分钟视频约 5-10 分钟转录时间）
4. 背景噪音会影响准确率，安静环境效果更好

---

🙏 致谢

• 核心引擎：OpenAI Whisper
• 开源协议：MIT

---

📮 反馈

遇到问题或有建议？欢迎反馈！

作者： Seven
版本： 1.0.3
更新时间： 2026-03-18

---

📋 更新日志

v1.0.3 (2026-03-18)

• ✨ 新增：首次运行时自动安装 Whisper 依赖，无需手动执行 pip 命令
• 🔧 优化：使用清华镜像源自动安装，国内用户更快
• 📝 更新：SKILL.md 说明文档，告知用户自动安装行为

v1.0.2 (2026-03-16)

• 🐛 修复：添加 YAML front matter 到 SKILL.md，修复技能在 OpenClaw 中无法显示的问题
• 📦 更新元数据格式，确保与 ClawHub 规范兼容

v1.0.0 (2026-03-13)

• ✨ 初始版本发布
• 🎬 支持本地视频/音频转录
• 🤖 集成 OpenAI Whisper 引擎
• 📄 输出 TXT 和 SRT 格式
• 📊 支持 AI 内容总结