关于 transcribe-audio
ButterCut 的音频转录技能，使用 WhisperX 生成带逐词时间信息的 JSON 转录文本。在素材库流程中，转录由统一任务执行；另有步骤可结合素材上下文进行校订。
主要功能
- 01使用 WhisperX 转录音频
- 02JSON 中包含逐词时间信息
- 03可配置语言与模型
- 04独立的上下文校订步骤
适用场景
- 01为视频片段生成带时间信息的转录
- 02为素材分析准备转录文本
- 03结合素材库上下文校订名称
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/transcribe-audio确认已加载。
附带文件agent_prompt.mdrefine_instructions.md
详细介绍
技能：转录音频（父级说明）
注意： 在素材库处理流水线中，转录通过
ruby lib/buttercut/process_footage.rb transcripts <library>（使用TranscribeJob）机械地运行，而不是调度此子 Agent，因此不同模型生成的素材分析结果完全一致。WhisperX 命令只在一处定义，即lib/buttercut/transcribe_job.rb，也可独立运行：ruby lib/buttercut/transcribe_job.rb <video_path> <output_dir> <language_code> <whisper_model>。refine_instructions.md仍是单独的（判断式）润色步骤的操作指南，该步骤由analyze-video第 3 步调度。
使用 WhisperX 转录视频音频，并生成带有词级时间戳的干净 JSON 转录文本。
SKILL.md 是父级的调度说明。子 Agent 的工作提示词位于 agent_prompt.md 中——启动 Task Agent 时，将其内容内联。不要传入 SKILL.md。
并行处理
最多同时启动 2 个。WhisperX 内部已进行多线程处理（通过 CTranslate2 使用约 4 个 CPU 线程）；在 16GB 机器上，运行 2 个进程是吞吐量与内存占用的最佳平衡点。
收集输入并内联传入
父级读取 library.yaml 和 settings.yaml，并在每个 Agent 的提示词中内联传入以下值：
video_path— 视频文件的绝对路径transcript_output_dir— 转录 JSON 的写入目录（例如libraries/<library>/transcripts）language_code— ISO 639-1 代码（例如en、es）——父级根据 library.yaml 中的language名称映射whisper_model— settings.yaml 中的模型大小（例如small、medium、turbo）transcript_refinement— 来自 library.yaml 的布尔值。如果为true，还需传入：user_context（可以是空字符串）footage_summary（可以是空字符串）
Agent 返回后，使用 transcript: <filename>.json 更新 library.yaml。
下一步
所有视频都生成音频转录文本后，调度 analyze-video 以生成视觉描述。
依赖项
必须安装 WhisperX。使用 setup 技能进行验证。