关于 whisper-transcription
Whisper Transcription 是一项技能和命令行工作流，可使用 OpenAI's Whisper 将音频和视频转为文本。它面向需要把录音整理成转录稿、字幕、译文或时间戳数据的用户。
主要功能
- 01转录音频和视频文件
- 02批量处理文件夹中的录音
- 03导出 TXT、SRT、VTT、JSON 或 TSV
- 04将转录内容翻译为指定语言
- 05以 JSON 格式提取时间戳
- 06选择 Whisper 模型
适用场景
- 01为视频生成字幕
- 02将播客节目转换为转录稿
- 03处理文件夹中的访谈录音
- 04将外语音频翻译成英语
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/whisper-transcription确认已加载。
附带文件scripts/main.pyscripts/requirements.txt
详细介绍
Whisper 转录
使用 OpenAI 的 Whisper 模型将任意音频或视频转录为文本——该模型与 ChatGPT 语音功能使用的技术相同。
何时使用此技能
- 播客内容再利用 - 将节目转换为博客文章、节目简介和社交媒体短文
- 视频字幕 - 为 YouTube 和社交媒体生成 SRT/VTT 文件
- 访谈内容提取 - 从录制的通话中提取引言和见解
- 内容审计 - 让音频/视频库可供搜索
- 翻译 - 转录并翻译外语内容
Claude 负责什么，哪些由你决定
| Claude 负责 | 你决定 |
|---|---|
| 规划制作工作流 | 最终创意方向 |
| 提出技术方案 | 设备和工具选择 |
| 创建模板和检查清单 | 质量标准 |
| 确定最佳实践 | 品牌/风格决策 |
| 生成脚本大纲 | 最终脚本审批 |
依赖项
pip install openai-whisper torch ffmpeg-python click
# Also requires ffmpeg installed on system
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
命令
转录单个文件
python scripts/main.py transcribe audio.mp3 --model medium --output transcript.txt
python scripts/main.py transcribe video.mp4 --format srt --output subtitles.srt
批量转录
python scripts/main.py batch ./recordings/ --format txt --output ./transcripts/
转录并翻译
python scripts/main.py translate foreign-audio.mp3 --to en
提取时间戳
python scripts/main.py timestamps podcast.mp3 --format json
示例
示例 1：将播客转换为博客文章
# Transcribe 1-hour podcast
python scripts/main.py transcribe episode-42.mp3 --model medium
# Output: episode-42.txt (full transcript with timestamps)
# Processing time: ~5 min for 1 hour audio on M1 Mac
示例 2：YouTube 字幕
# Generate SRT for video upload
python scripts/main.py transcribe marketing-video.mp4 --format srt
# Output: marketing-video.srt
# Upload directly to YouTube/Vimeo
示例 3：批量处理访谈库
# Transcribe all recordings in folder
python scripts/main.py batch ./customer-interviews/ --model small --format txt
# Output: ./customer-interviews/*.txt (one per audio file)
模型选择指南
| 模型 | 速度 | 准确率 | VRAM | 最适合 |
|---|---|---|---|---|
tiny | 最快 | ~70% | 1GB | 快速草稿、短片段 |
base | 快 | ~80% | 1GB | 社交媒体片段 |
small | 中等 | ~85% | 2GB | 播客、访谈 |
medium | 慢 | ~90% | 5GB | 专业转录稿 |
large | 最慢 | ~95% | 10GB | 对准确性要求极高的场景 |
建议： 大多数营销内容从 small 开始。客户交付内容使用 medium。
输出格式
| 格式 | 扩展名 | 用途 |
|---|---|---|
txt | .txt | 博客文章、分析 |
srt | .srt | 视频字幕（YouTube） |
vtt | .vtt | 网页视频字幕 |
json | .json | 以编程方式访问 |
tsv | .tsv | 电子表格分析 |
性能提示
- GPU 加速 - 使用 CUDA GPU 可快 10 倍
- 音频提取 - 脚本会自动从视频中提取音频
- 分块处理 - 长文件会自动拆分，以提高内存效率
- 语言检测 - 自动检测，也可使用
--language指定
技能边界
此技能擅长的方面
- 规划音频制作工作流
- 提供技术指导
- 创建质量检查清单
- 提出创意方案
此技能无法做到的事
- 替代音频工程专业知识
- 做出主观的创意决策
- 直接访问或编辑音频文件
- 保证商业成功
相关技能
- video-processing - 从视频中提取音频
- youtube-downloader - 下载视频以供转录
- content-repurposer - 将转录稿转化为内容
- podcast-production - 制作播客
技能元数据
- 模式：cyborg
category: automation
subcategory: audio-processing
dependencies: [openai-whisper, torch, ffmpeg-python]
difficulty: beginner
time_saved: 10+ hours/week
评论
支持 Markdown