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. 确认已安装依赖: pip install faster-whisper tqdm 2. 确认ffmpeg已安装 3. 执行命令或调用主脚本 **支持格式**：MP4, MKV, AVI, MOV **输出**： - .srt 文件：带时间戳的字幕格式 - .txt 文件：纯文本全文 - report.json：机器可读的汇总报告 - report.md：人类可读的汇总报告

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