li-transcript

视频逐字稿提取 + 对标归档

从视频链接提取逐字稿，AI 校对后归档到对标博主目录。

---

工作流程

Step 0：首次使用前的环境准备（仅第一次需要）

如果是从开源仓库刚装好的 skill，需要先准备运行环境：

# 1. 系统依赖（macOS）
brew install yt-dlp ffmpeg

# 2. Python 虚拟环境 + 腾讯云 ASR SDK
python3 -m venv .claude/skills/li-transcript/scripts/.venv
.claude/skills/li-transcript/scripts/.venv/bin/pip install tencentcloud-sdk-python-asr

# 3. 在项目根目录创建 .env 文件，填入腾讯云密钥（控制台 https://console.cloud.tencent.com/cam/capi 申请）
# 格式：
# TENCENT_SECRET_ID=你的_id
# TENCENT_SECRET_KEY=你的_key

环境准备好之后，跳到 Step 1。

Step 1：转录视频

运行转录脚本（脚本和 venv 都在 skill 目录下，自包含）：

.claude/skills/li-transcript/scripts/.venv/bin/python3 .claude/skills/li-transcript/scripts/video2text.py "视频链接"

脚本会输出：

• stderr：进度信息 + [标题] xxx（视频原标题）
• stdout：去除时间戳的纯文本逐字稿

脚本报错时的排查顺序：

1. 项目根目录的 .env 是否包含 TENCENT_SECRET_ID 和 TENCENT_SECRET_KEY（脚本会从当前目录向上查找最多 6 层）
2. .claude/skills/li-transcript/scripts/.venv/ 是否正常（重建：python3 -m venv .claude/skills/li-transcript/scripts/.venv && .claude/skills/li-transcript/scripts/.venv/bin/pip install tencentcloud-sdk-python-asr）
3. 视频链接是否被 yt-dlp 支持

---

Step 2：AI 校对

对原始逐字稿做文字校对，只改错字不改内容：

• 同音/近音字纠错：根据上下文推断（如「艺人公司」→「一人公司」、「四动会」→「私董会」、「体校」→「提效」）
• 专有名词修正：技术术语、产品名、人名、英文词汇
• 明显的 ASR 乱码：替换为合理推断

保留口语表达（「啊」「嗯」「就是说」），不改写句子结构，不美化风格。

校对直接执行，不逐条列出差异——用户想核对可以自己对比原文。

---

Step 3：识别作者 & 归档

识别作者——按优先级：

1. 用户已告知 → 直接使用
2. 逐字稿中有自我介绍（「大家好我是XXX」「我是XXX」）→ 提取
3. 都没有 → 问用户

匹配对标——读取 05-选题研究/对标博主/短视频/ 目录列表：

• 匹配到已有博主 → 归档到该目录
• 没匹配到 → 问用户「[名字]还不在对标列表里，创建吗？」，同意则创建目录

作者和是否创建对标可以合并为一次提问，减少来回。

确定标题——优先用 yt-dlp 获取的原标题（stderr 中 [标题] 行），获取不到则从逐字稿内容概括一个。

---

Step 4：保存文件

路径：05-选题研究/对标博主/短视频/[博主名]/[YYYY年M月]/[视频标题].md

时间目录不存在则创建。

格式——根据视频来源平台调整 YAML 字段名：

---
[平台]数据:
  点赞数: 
  收藏数: 
  评论数: 
  分享数: 
  观看数: 
tags: 
---

# 标题

[视频标题]

# 封面花字



# 视频脚本

[校对后的完整逐字稿]

平台判断规则：

• URL 含 xiaohongshu.com → 小红书数据
• URL 含 bilibili.com → B站数据
• URL 含 douyin.com → 抖音数据
• URL 含 youtube.com 或 youtu.be → YouTube数据
• 其他 → 平台数据

保存后一句话告知路径。