Youtube Transcribe

---
name: youtube-transcribe
description: >
  YouTube 视频 → 下载 → 转录 → 翻译 → 存为 Markdown。
  支持中英文，英文内容自动翻译成中文，输出中英对照。
metadata:
  category: "media"
  triggers: "[\"用户发送 YouTube 视频链接\", \"把这个 YouTube 视频转成文字\", \"帮我转录这个 YouTube\", \"YouTube 翻译\"]"
  version: "1.0.0"
  tags: "[\"media\", \"audio\", \"video\", \"transcription\", \"youtube\", \"translation\"]"
---

# YouTube 视频转录 + 翻译 Skill

**字幕优先**：先抓官方/自动字幕（秒级、免 GPU），抓不到再下载音频用 SenseVoice-Small 转录；英文内容自动翻译成中文，输出中英对照 Markdown。加 `--no-subtitle` 可强制走音频转录。

## 为什么需要这个

YouTube 有大量优质英文内容，但很多人没时间看完或语言不通。这个 skill：

- 转录视频为文字（支持中英文）
- 英文内容自动翻译成高质量中文
- 输出中英对照，方便学习

## 环境要求

```bash
# Python 3.9+
python -m venv .venv
source .venv/bin/activate

# 依赖
pip install funasr modelscope torch torchaudio

# 系统依赖
# macOS: brew install ffmpeg yt-dlp
# Ubuntu: sudo apt install ffmpeg && pip install yt-dlp

# 翻译功能（可选，英文视频需要）
export DEEPSEEK_API_KEY="your-api-key"
```

## 使用方法

```bash
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx"
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --output ./output
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-translate  # 不翻译
python scripts/transcribe.py "https://www.youtube.com/watch?v=xxxxx" --no-subtitle  # 强制音频转录
python scripts/batch_transcribe.py urls.txt -o ./output --no-translate
```

## 流程

### Step 1: yt-dlp 下载音频

```bash
yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
  "https://www.youtube.com/watch?v=xxxxx"
```

### Step 2: SenseVoice-Small 转录

```python
from funasr import AutoModel
model = AutoModel(model="iic/SenseVoiceSmall", ...)
result = model.generate(input=audio_path, language="auto", use_itn=True)
```

### Step 3: 语言检测 + 翻译

- 中文内容 → 直接输出
- 英文内容 → LLM 翻译成中文，输出中英对照

### Step 4: 生成 Markdown

```markdown
---
title: 视频标题
type: note
tags: [YouTube]
language: en
translated: true
---

# 视频标题

> 转录引擎：SenseVoice-Small | 翻译：DeepSeek

## 中文翻译

翻译内容...

---

## English Original

原文内容...
```

### 批量模式

`scripts/batch_transcribe.py` 支持 URL 列表批处理，默认单条失败后继续处理下一条；需要严格模式时加 `--stop-on-error`。

## 翻译配置

默认使用 DeepSeek API 翻译。需要设置环境变量：

```bash
export DEEPSEEK_API_KEY="your-api-key"
```

支持的 LLM：
- DeepSeek（推荐，性价比高）
- OpenAI
- 任何兼容 OpenAI API 格式的服务

## 性能数据

| 视频时长 | 下载 | 转录 | 翻译 | 总耗时 |
|------|------|------|------|------|
| 5 min | ~10s | ~5s | ~10s | ~30s |
| 10 min | ~15s | ~10s | ~20s | ~50s |
| 30 min | ~30s | ~30s | ~60s | ~2min |

## 已知限制

- SenseVoice-Small 对英文转录准确率不如中文
- 翻译质量取决于 LLM 能力
- 长视频翻译可能需要较长时间
- 部分 YouTube 视频有地区限制

## 参考项目

- [yt-dlp/yt-dlp](https://github.com/yt-dlp/yt-dlp) - 视频下载工具
- [FunAudioLLM/SenseVoice](https://github.com/FunAudioLLM/SenseVoice) - 语音识别模型
- [DeepSeek](https://platform.deepseek.com/) - 翻译用 LLM

## ⚖️ 合规声明

仅供**个人学习与研究**使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。