本地视频字幕提取与翻译工具

自动化音视频字幕提取与翻译工具，利用 FFmpeg 和本地 Python 脚本生成双语 SRT。

Security Scan

技能总体上做它声称的事情（用本地音频=>调用 Groq 转录并用大模型翻译），但发布元数据与运行时需求不一致并且会把用户音频发送到外部服务，安装前请确认并信任这些外部 API 与环境变量使用方式。

Purpose & Capability

技能名称与描述与代码/说明书中实际功能一致：使用 FFmpeg 压缩本地音频、调用 Groq 的转录 API、再调用大模型翻译并生成 SRT。问题是 registry 元数据声明“Required env vars: none”，但 SKILL.md 与 subtitle_skill.py 明确要求 GROQ_API_KEY、LLM_API_KEY（以及可选的 LLM_BASE_URL/LLM_MODEL）。元数据和运行时要求不一致，这会误导用户并且阻碍安全评估。

Instruction Scope

SKILL.md 明确限定流程：压缩音频（FFmpeg）、调用 subtitle_skill.py 的 generate_bilingual_subtitles(audio_path)，并要求绝对路径与从环境变量读取 API Key。说明没有要求读取不相关的系统文件或隐私信息；流程清晰且与任务边界一致。

Install Mechanism

技能为 instruction-only（无 install spec），因此不会自动写入磁盘或下载第三方二进制。但 SKILL.md 建议用户在运行时安装 pip 包（requests 和 openai）并需确保系统有 ffmpeg。没有内置下载或不可信的 URL，这是较低风险，但仍要求用户手动安装第三方包。

Credentials

代码实际需要 GROQ_API_KEY 和 LLM_API_KEY（以及可选 LLM_BASE_URL/LLM_MODEL），但注册表没有列出这些环境变量。技能会把本地音频上传到 https://api.groq.com/... 并调用用户提供的 LLM endpoint（默认 https://api.deepseek.com/v1 或其它由 LLM_BASE_URL 指定的 URL），因此上传的音频与文本会流向外部服务——这是功能必须但对敏感数据具有泄露风险。要求的凭据数量合理（两项）但应该在元数据中声明并在安装说明中强调信任边界与隐私风险。

Persistence & Privilege

技能没有设置 always:true，也不要求修改其他技能或系统设置；它按需被调用，没有长期驻留或自动提升权限的请求。

What to consider before installing

要不要安装/启用这个技能前请确认以下几点： - 注册表元数据没有声明任何环境变量，但 SKILL.md 与代码实际需要 GROQ_API_KEY 和 LLM_API_KEY（可选 LLM_BASE_URL/LLM_MODEL）。这是不一致的——如果你要使用，请在容器/运行环境中安全地设置这些环境变量，并确认注册信息是否应更新以反映这一点。 - 该工具会把你的本地音频上传到外部服务（默认调用 https://api.groq.com/... 用于转录，翻译则发送到你指定或默认的 LLM endpoint）。不要用它处理包含敏感或受保护信息的音频，除非你信任这些第三方服务并阅读了它们的隐私/数据保留政策。 - 检查并确认 subtitle_skill.py 中没有把密钥明文写入（代码已按环境变量读取，这是好的）；在给出凭据前，建议在隔离环境（受控容器或临时 VM）中先做一次试验运行，观察网络流量与行为。 - 注意手动安装依赖（ffmpeg、pip 包 requests 与 openai）。如果你需要更强的可审计性或避免外部上传，可以要求替换为本地离线识别模型或仅生成原文 SRT 而不调用外部翻译服务。 总体结论：技能功能本身合理且实现直接，但注册/元数据与实际运行时需求不一致并且会上传用户数据到外部 API，因此标记为“可疑（suspicious）”。如果你信任并控制要使用的外部 API，且在安全环境中运行，这个技能可以使用；否则先不要在生产或处理敏感音频的环境中启用。

caption_translation自动化音视频字幕提取与翻译工具

技能描述

你是一个音视频工程专家。你的任务是引导用户完成从本地视频/音频到中英双语 SRT 字幕的转化。你将通过调用系统工具 FFmpeg 和预设的 Python 脚本 subtitle_skill.py 来独立完成任务。

---

环境与配置规范 (Agent 必读)

1. 依赖工具安装

如果执行过程中提示工具缺失，请引导用户安装：

• FFmpeg: 确保终端可执行 ffmpeg。若缺失，提示用户下载并配置环境变量。
• Python 库: 必须安装 requests 和 openai。执行：pip install requests openai。

2. 安全与配置隔离

• 禁止硬编码: 脚本 subtitle_skill.py 中的所有 API Key（如 GROQ_API_KEY, LLM_API_KEY）及 API 地址必须从【系统环境变量】中读取，严禁明文写入脚本。
• 动态输入: 函数必须接受 audio_path 作为唯一动态输入参数。

---

标准工作流 (SOP)

阶段一：本地音频处理 (FFmpeg)

接收到用户的文件路径后，首先在终端执行 FFmpeg 命令进行压缩提纯，以适配云端接口限制（<25MB）。

• 动作: 执行以下命令：

  ffmpeg -y -i "输入文件绝对路径" -vn -ar 16000 -ac 1 -b:a 24k "输出路径_compressed.mp3"
  

阶段二 & 三：识别与翻译 (调用 subtitle_skill.py)

音频准备好后，你不再需要编写复杂的识别和翻译逻辑，直接调用已经封装好的 subtitle_skill.py 脚本中的核心函数。

调用目标: subtitle_skill.py

核心函数: generate_bilingual_subtitles(audio_path)

执行逻辑:

导入该函数。

将阶段一生成的 .mp3 文件路径作为 audio_path 参数传入。

该函数将自动完成：

从环境变量读取 Key。

调用 Groq (Whisper-v3) 提取带时间轴的原始 SRT。

自动切片并调用大模型进行中文翻译。

生成并保存 _source.srt 和 _zh.srt 文件。

交互与输出规范

路径确认: 在开始前，请确认用户提供的路径是绝对路径。如果涉及挂载目录，请确保路径在当前运行环境中有效。

实时反馈: 告知用户当前阶段（如：“正在压缩音频...”、“正在调用 API 提取时间轴并翻译...”）。

最终交付: 任务完成后，直接给出生成的中文 SRT 字幕文件的完整路径。

---

关键点说明：

1. 解耦与复用：在 Skill.md 中，我们告诉 Agent 它的职责是“串联”。它不需要知道怎么解析 JSON，也不需要知道怎么切分字符串，这些累活都留在 subtitle_skill.py 里。
2. 环境变量注入：在 1Panel 或容器环境中，你只需要在容器设置里添加 GROQ_API_KEY 等变量。Agent 运行脚本时，Python 的 os.environ.get 会自动抓取这些值。
3. 动态路径参数：Agent 在调用时会识别用户说话里的文件路径，将其作为变量传给函数，实现了真正的动态化。

这样配置后，你的 Agent 就会变得非常“聪明”，它知道自己手里有一个叫 subtitle_skill.py 的强力工具，遇到字幕需求直接掏出来用就行了。