transcribe-video

视频转录技能

使用 AWS Transcribe 从 $ARGUMENTS（视频或音频文件路径，可选地在后面附加语言代码，如 en-US 或 es-ES）生成字幕和转录文本。

在源文件旁生成 .srt、.vtt 和 .txt 文件。

流程

1. 验证先决条件 - 检查是否已安装并配置 ffmpeg 和 aws CLI
2. 提取音频，使用 ffmpeg 将视频转换为 MP3
3. 创建临时 S3 存储桶，并上传音频
4. 使用 SRT 和 VTT 字幕输出运行 AWS Transcribe 任务
5. 下载结果并生成纯文本转录
6. 清理所有 AWS 资源 - 删除 S3 存储桶、Transcribe 任务和临时文件。不会产生持续费用。

先决条件

• 已安装 ffmpeg（brew install ffmpeg）
• 已安装并配置 aws CLI，且凭证有效（brew install awscli && aws configure）
• AWS 凭证需要具备以下权限：s3:*（创建／删除存储桶）、transcribe:*（启动／删除任务）

分步操作

第 1 步：提取音频

ffmpeg -i "input.mp4" -vn -acodec mp3 -q:a 2 "/tmp/transcribe-audio.mp3" -y

第 2 步：创建临时 S3 存储桶并上传

BUCKET="tmp-transcribe-$(date +%s)"
aws s3 mb "s3://$BUCKET" --region us-east-1
aws s3 cp "/tmp/transcribe-audio.mp3" "s3://$BUCKET/audio.mp3"

第 3 步：启动转录任务

JOB_NAME="tmp-job-$(date +%s)"
aws transcribe start-transcription-job \
  --transcription-job-name "$JOB_NAME" \
  --language-code en-US \
  --media-format mp3 \
  --media "MediaFileUri=s3://$BUCKET/audio.mp3" \
  --subtitles "Formats=srt,vtt" \
  --output-bucket-name "$BUCKET" \
  --region us-east-1

语言代码： en-US、es-ES、fr-FR、de-DE、pt-BR、ja-JP、zh-CN、it-IT、ko-KR 等。如果未指定，默认使用 en-US。

第 4 步：轮询直到任务完成

while true; do
  STATUS=$(aws transcribe get-transcription-job \
    --transcription-job-name "$JOB_NAME" \
    --region us-east-1 \
    --query 'TranscriptionJob.TranscriptionJobStatus' \
    --output text)
  if [ "$STATUS" = "COMPLETED" ] || [ "$STATUS" = "FAILED" ]; then break; fi
  sleep 5
done

第 5 步：下载字幕文件

将 .srt 和 .vtt 文件保存在原始文件旁：

aws s3 cp "s3://$BUCKET/$JOB_NAME.srt" "/path/to/input.srt"
aws s3 cp "s3://$BUCKET/$JOB_NAME.vtt" "/path/to/input.vtt"

第 6 步：生成纯文本转录

下载 JSON 结果并提取完整的转录文本：

aws s3 cp "s3://$BUCKET/$JOB_NAME.json" "/tmp/transcribe-result.json"

然后使用工具从 JSON 中提取 .results.transcripts[0].transcript 字段，并将其保存为原始文件旁的 .txt 文件。

第 7 步：清理所有资源

重要： 务必进行清理，以避免产生持续的 S3 存储费用。

# Delete S3 bucket and all contents
aws s3 rb "s3://$BUCKET" --force --region us-east-1

# Delete the transcription job
aws transcribe delete-transcription-job --transcription-job-name "$JOB_NAME" --region us-east-1

# Delete temp audio file
rm -f "/tmp/transcribe-audio.mp3" "/tmp/transcribe-result.json"

实际结果（参考）

以下为实际转录任务的结果：

视频	时长	音频大小	Transcribe 耗时	字幕片段数
X/Twitter 短片	2:40	2.5 MB	~20 秒	83
屏幕录制	18:45	11.4 MB	~60 秒	500+

关键见解

1. AWS Transcribe 速度很快 - 即使是 19 分钟的视频，也能在大约一分钟内完成
2. 短内容（推文、短视频）几乎可以瞬间转录完成
3. 成本可以忽略不计 - AWS Transcribe 的费用约为 ~$0.024／分钟，因此一段 19 分钟的视频约需 ~$0.46
4. 清理至关重要 - 务必删除 S3 存储桶，以避免存储费用
5. SRT 兼容性最高 - 适用于大多数视频播放器和编辑器；VTT 更适用于网页

输出文件

original-video.mp4
original-video.srt          # Subtitles with timestamps (most compatible)
original-video.vtt          # Web-optimized subtitles (for HTML5 <track>)
original-video.txt          # Plain text transcript (no timestamps)

转录后

1. 确认所有输出文件均已生成：ls -lh /path/to/original-video.{srt,vtt,txt}
2. 报告字幕片段数和总时长
3. 确认所有 AWS 资源均已清理（不存在 S3 存储桶，也没有剩余的 Transcribe 任务）