Jarvis-Video-STT

Jarvis-Video-STT - 批量视频语音转文字工具。 基于Faster-Whisper，支持多进程并行、进度条、汇总报告。 **触发场景**： - 用户需要将视频中的语音转换为文字/字幕 - 批量处理多个视频 - 需要生成SRT字幕或纯文本 - 需要处理报告查看结果统计 **使用方式**： 1. 确认已...

Security Scan

该技能声明与其实际代码基本一致：是一个基于 faster-whisper + ffmpeg 的批量视频转写工具，未请求不相干凭据或外部隐藏端点，但会在运行时下载/加载模型并消耗大量资源，用户需注意模型下载与磁盘/GPU 使用。

Purpose & Capability

技能名、描述、SKILL.md 和 batch_whisper.py 的行为一致：提取视频音轨（ffmpeg）、用 faster-whisper 转写并输出 SRT/TXT/报告。没有请求与转写无关的凭据、系统路径或二进制依赖。

Instruction Scope

运行说明仅要求 pip install faster-whisper tqdm 和安装 ffmpeg，且示例命令与脚本匹配。需要注意：faster-whisper 在加载模型时会在首次运行时从远程（如 Hugging Face）下载模型权重，这在 SKILL.md 中未明确说明；下载和模型加载会产生网络通信、显著磁盘占用和高计算需求。

Install Mechanism

无 install spec（仅说明性依赖安装），pip 安装 faster-whisper/tqdm 是常见做法；没有从不信任的 URL 下载或解压可执行文件。风险主要来自模型权重的自动下载（来自公共模型托管服务）。

Credentials

技能不要求环境变量或凭据，代码中也未访问敏感 env；唯一相关的外部访问是模型权重下载（公开模型不需凭据，私有模型会需要相应的 Hugging Face 令牌，如果你用到私有模型才需要提供）。

Persistence & Privilege

技能不会设置 always 或修改其他技能/系统配置；其文件 I/O 限于指定输出目录（包含临时子目录），权限要求与其功能相称。

Assessment

这是一个内部一致的批量视频转写工具，但在安装/使用前请注意： - faster-whisper 会在首次加载模型时从远程仓库下载模型权重（网络流量、较大磁盘占用）；如果使用私有模型，你可能需要提供 HUGGINGFACE_HUB_TOKEN 或类似凭据（该技能本身不声明或传送任何凭证）。 - 转写可能非常消耗资源（CPU/GPU、内存、磁盘）；在小批量或非敏感数据上先测试，调整 -w（并行） 和 -m（模型大小）以避免 OOM 或长时间占用。建议在没有 GPU 的情况下使用 --cpu 或减小并行度。 - 脚本通过 ffmpeg 提取音轨（使用 os.system），会在输出目录生成临时文件和结果文件；确保输出目录是你希望写入的位置并备份重要数据。 - 实现上存在潜在稳定性问题（例如将已加载的 model 对象传给 multiprocessing 子进程可能导致 pickling/跨进程问题），如果遇到多进程异常，可使用 -w 1 或修改代码使每个子进程各自加载模型。 总体：若你接受模型下载与资源消耗的后果，可以使用；如需在受控环境中运行（无外网、限制磁盘/带宽或敏感视频），先审查/修改脚本以符合你的政策（例如预先手动下载模型并指定本地路径）。

Jarvis-Video-STT Skill

快速开始

1. 安装依赖

pip install faster-whisper tqdm 确保ffmpeg已安装 (brew install ffmpeg on macOS)

2. 基本用法

medium模式（高精度，推荐）： python ~/.openclaw/workspace-researcher/tools/jarvis-video-stt/batch_whisper.py -i videos/*.mp4 -o results -m medium

small模式（快速）： python ~/.openclaw/workspace-researcher/tools/jarvis-video-stt/batch_whisper.py -i videos/*.mp4 -o results -m small

指定语言（略快）： python batch_whisper.py -i videos/ -o results -m medium -l zh

调整并行数： python batch_whisper.py -i videos/ -o results -w 4

3. 参数说明

参数	简写	说明	默认值
--input	-i	视频路径/文件夹/通配符	必填
--output	-o	输出目录	output
--model	-m	small/medium	medium
--language	-l	语言代码，None=自动	None
--workers	-w	并行进程数	3
--cpu	-	强制使用CPU	False

4. 输出文件

每个视频生成：

• 视频名.srt - 带时间戳字幕
• 视频名.txt - 纯文本

整体生成：

• report.json - JSON汇总报告
• report.md - Markdown汇总报告

性能参考

模型	一小时视频(单进程)	推荐并行
small	~2分钟	4进程
medium	~5分钟	3进程
large-v3	~8分钟	2进程

适用场景

• 课程视频转文字
• 电影/纪录片字幕生成
• 播客/访谈转录
• 短视频内容分析
• 视频内容检索预处理

故障排除

Q: 报 faster-whisper 找不到？ pip install faster-whisper

Q: 报 ffmpeg 找不到？ brew install ffmpeg (macOS) apt install ffmpeg (Ubuntu)

Q: Mac显存不足？ 减少并行数：-w 2