视频文案提取器v1.0.0

免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。

概述

本 Skill 面向内容创作者、运营团队及知识管理场景，将一批视频中的口播语音批量提取为结构化 Markdown 文案。每个视频生成独立 .md 文件，包含带时间戳的分段文案与纯文案两种形态，并自动汇总为索引目录。提取策略采用双层机制：优先读取内嵌字幕轨（srt/ass/vtt），无字幕时自动切换 faster-whisper 本地 ASR 引擎，全程离线运行无需上传云端。支持断点续跑、覆盖重跑、术语提示词纠错等工程化细节，适配 Windows 环境下的常见兼容性问题。

技能包含

• SKILL.md（本文件）：技能主说明、参数表、输出格式与 AI 操作指引
• scripts/transcribe.py：核心提取脚本，负责字幕提取、ASR 调用、Markdown 生成与批量调度
• scripts/punctuate_pure.py：纯文案断句与标点修复脚本
• scripts/punctuate_pure_llm.py：基于 LLM 的标点优化替代方案
• scripts/requirements.txt：Python 依赖清单

核心能力

• 双层提取引擎：内嵌字幕轨优先识别，无字幕时自动 fallback 至 faster-whisper 本地 ASR，无需手动切换
• 一人一档输出：每个视频生成独立 Markdown，含元信息（来源、时长、模型、字数）、带时间戳分段文案、合并纯文案三合一
• 批量续跑与覆盖：自动跳过已生成文件，中断后重跑仅处理剩余；--overwrite 强制全量重做
• 全离线隐私保护：模型本地推理，音频不上传任何云端服务
• 术语纠错：通过 --initial-prompt 或 --prompt-file 注入行业专有名词，显著改善同音错字
• Windows 兼容修复：内置 MKL 内存分配失败与 av 库版本不兼容的自动补丁

应用场景