whisper-transcribe

Name: whisper-transcribe
Author: azuma520

37stars7forks

How to install whisper-transcribe?

azuma520/youtube-to-notebooklm/whisper-transcribe

$npx -y skills add azuma520/youtube-to-notebooklm --skill whisper-transcribe

Installs into the current project.

Summary

Transcribe audio/video to accurate subtitles using Whisper AI, with optional translation and delivery. Supports YouTube URLs and local audio/video files. Use when: (1) a YouTube video has no subtitles, (2) auto-generated captions are inaccurate, (3) the user wants high-quality tr

Files · 1

View on GitHub

SKILL.md

1	# whisper-transcribe
2
3	用 Whisper AI 將音頻/影片轉錄為高準確度字幕（SRT），可選翻譯和投遞。
4
5	## 何時使用
6
7	- yt-search 回報影片沒有字幕
8	- YouTube 自動字幕品質差（用戶抱怨不準）
9	- 用戶需要非 YouTube 來源的轉錄（本地音頻、會議錄音等）
10	- 用戶要求翻譯字幕
11	- 用戶想把字幕寄到信箱或上傳雲端
12
13	## 前置條件
14
15	- `yt-dlp` + `ffmpeg`（下載音頻）
16	- 本地模式：`pip install faster-whisper`（需 GPU 或可用 CPU）
17	- 雲端模式：`pip install groq` + `GROQ_API_KEY`
18
19	詳細安裝見 [references/setup.md](references/setup.md)。
20
21	## 核心流程：轉錄
22
23	### 從 YouTube URL
24
25	```bash
26	python <skill-path>/scripts/transcribe.py "https://youtube.com/watch?v=xxx" \
27	-o "$TEMP/transcripts" \
28	--model large-v3 \
29	--device cuda
30	```
31
32	### 從本地檔案
33
34	```bash
35	python <skill-path>/scripts/transcribe.py ./recording.mp3 \
36	-o "$TEMP/transcripts" \
37	--model large-v3
38	```
39
40	### 使用 Groq 雲端（無 GPU）
41
42	```bash
43	python <skill-path>/scripts/transcribe.py "URL_or_FILE" \
44	-o "$TEMP/transcripts" \
45	--backend groq
46	```
47
48	輸出：`{video_id}.srt`（帶時間碼）+ `{video_id}.txt`（純文字）。
49
50	### 參數選擇指引
51
52	\| 情境 \| 建議參數 \|
53	\|------\|---------\|
54	\| 一般英文影片 \| `--model large-v3`（預設） \|
55	\| 中文/日文內容 \| `--model large-v3 --language zh` 或 `ja` \|
56	\| 快速預覽 \| `--model small --device cpu` \|
57	\| 無 GPU \| `--backend groq` \|
58	\| 長影片（> 2 小時） \| 本地模式，避免 API 超時 \|
59
60	不指定 `--language` 時會自動偵測。但已知語言時指定會提高準確度。
61
62	## 可選：翻譯字幕
63
64	轉錄完成後，用戶想翻譯：
65
66	```bash
67	python <skill-path>/scripts/translate_srt.py "$TEMP/transcripts/VIDEO_ID.srt" \
68	--target zh-tw \
69	--engine deepl \
70	-o "$TEMP/transcripts/VIDEO_ID_zh.srt"
71	```
72
73	翻譯引擎選擇：
74
75	\| 引擎 \| 品質 \| 速度 \| 成本 \| 設定 \|
76	\|------\|------\|------\|------\|------\|
77	\| `deepl` \| 最佳 \| 快 \| 免費 50 萬字/月 \| `DEEPL_API_KEY` \|
78	\| `openai` \| 很好（上下文感知） \| 中 \| 按量計費 \| `OPENAI_API_KEY` \|
79
80	也可以讓 Agent 直接讀取 TXT 檔後在對話中翻譯，不需要額外 API — 適合短內容或用戶想邊看邊討論。
81
82	## 可選：投遞
83
84	### 寄到 Gmail
85
86	Agent 使用可用的 email 工具（Claude Code 有 Gmail MCP）：
87
88	1. 讀取轉錄/翻譯後的檔案
89	2. 建立草稿或直接發送，附上 SRT/TXT 檔案
90	3. 主旨建議：`[Transcript] {影片標題}`
91
92	### 上傳到 Google Drive
93
94	```bash
95	rclone copy "$TEMP/transcripts/VIDEO_ID.srt" gdrive:/Transcripts/
96	rclone copy "$TEMP/transcripts/VIDEO_ID.txt" gdrive:/Transcripts/
97	```
98
99	需要先設定 rclone（見 [references/setup.md](references/setup.md)）。
100
101	如果用戶沒有 rclone，也可以用 Google Drive API 或手動告知檔案路徑讓用戶自己上傳。
102
103	## 與其他 Skill 的串接
104
105	### ← 從 yt-search 接手
106
107	yt-search 用 `--list-subs` 發現沒有字幕，或用戶表示自動字幕不準時：
108
109	1. 告知用戶：「這部影片沒有（好的）字幕，要用 Whisper 轉錄嗎？」
110	2. 用戶同意後，用影片 URL 執行轉錄
111	3. 輸出 SRT + TXT
112
113	### → 推送到 anything-to-notebooklm
114
115	轉錄完成後，用戶想推進 NotebookLM：
116
117	1. 用 TXT 檔做 `notebooklm source add "$TEMP/transcripts/VIDEO_ID.txt" --wait`
118	2. 或直接用影片 URL（NotebookLM 原生支援 YouTube）
119
120	TXT 檔的優勢：經過 Whisper 轉錄，品質遠高於 NotebookLM 自己抓的 YouTube 自動字幕。
121
122	## 完整工作流範例
123
124	```
125	用戶：「幫我找 AI agent 的教學影片」
126	→ yt-search 搜尋，列出 20 部
127
128	用戶：「第 3 部看起來不錯，幫我抓字幕」
129	→ yt-search 回報：這部影片沒有字幕
130
131	用戶：「那用 Whisper 轉錄」
132	→ whisper-transcribe 下載音頻 + 轉錄
133	→ 產出 SRT + TXT
134
135	用戶：「翻譯成繁中，然後寄到我信箱」
136	→ translate_srt.py 翻譯
137	→ Gmail 寄出
138
139	用戶：「也幫我推到 NotebookLM 生成播客」
140	→ anything-to-notebooklm source add TXT
141	→ generate audio
142	```
143
144	## 清理暫存
145
146	```bash
147	rm -rf "$TEMP/transcripts/"
148	```
149
150	## 注意事項
151
152	- 首次使用會下載模型（large-v3 約 3GB），之後從快取載入
153	- GPU 記憶體不足時自動降級：先試 `large-v3`，不行換 `medium` 或 `small`
154	- Windows 加 `PYTHONUTF8=1` 前綴
155	- 長音頻（> 3 小時）建議用本地模式，雲端 API 可能超時或超額

People who liked this also viewed

6 picks

Type

whisper-transcribe

37stars7forks

View on GitHub

How to install whisper-transcribe?

azuma520/youtube-to-notebooklm/whisper-transcribe

$npx -y skills add azuma520/youtube-to-notebooklm --skill whisper-transcribe

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# whisper-transcribe
2
3	用 Whisper AI 將音頻/影片轉錄為高準確度字幕（SRT），可選翻譯和投遞。
4
5	## 何時使用
6
7	- yt-search 回報影片沒有字幕
8	- YouTube 自動字幕品質差（用戶抱怨不準）
9	- 用戶需要非 YouTube 來源的轉錄（本地音頻、會議錄音等）
10	- 用戶要求翻譯字幕
11	- 用戶想把字幕寄到信箱或上傳雲端
12
13	## 前置條件
14
15	- `yt-dlp` + `ffmpeg`（下載音頻）
16	- 本地模式：`pip install faster-whisper`（需 GPU 或可用 CPU）
17	- 雲端模式：`pip install groq` + `GROQ_API_KEY`
18
19	詳細安裝見 [references/setup.md](references/setup.md)。
20
21	## 核心流程：轉錄
22
23	### 從 YouTube URL
24
25	```bash
26	python <skill-path>/scripts/transcribe.py "https://youtube.com/watch?v=xxx" \
27	-o "$TEMP/transcripts" \
28	--model large-v3 \
29	--device cuda
30	```
31
32	### 從本地檔案
33
34	```bash
35	python <skill-path>/scripts/transcribe.py ./recording.mp3 \
36	-o "$TEMP/transcripts" \
37	--model large-v3
38	```
39
40	### 使用 Groq 雲端（無 GPU）
41
42	```bash
43	python <skill-path>/scripts/transcribe.py "URL_or_FILE" \
44	-o "$TEMP/transcripts" \
45	--backend groq
46	```
47
48	輸出：`{video_id}.srt`（帶時間碼）+ `{video_id}.txt`（純文字）。
49
50	### 參數選擇指引
51
52	\| 情境 \| 建議參數 \|
53	\|------\|---------\|
54	\| 一般英文影片 \| `--model large-v3`（預設） \|
55	\| 中文/日文內容 \| `--model large-v3 --language zh` 或 `ja` \|
56	\| 快速預覽 \| `--model small --device cpu` \|
57	\| 無 GPU \| `--backend groq` \|
58	\| 長影片（> 2 小時） \| 本地模式，避免 API 超時 \|
59
60	不指定 `--language` 時會自動偵測。但已知語言時指定會提高準確度。
61
62	## 可選：翻譯字幕
63
64	轉錄完成後，用戶想翻譯：
65
66	```bash
67	python <skill-path>/scripts/translate_srt.py "$TEMP/transcripts/VIDEO_ID.srt" \
68	--target zh-tw \
69	--engine deepl \
70	-o "$TEMP/transcripts/VIDEO_ID_zh.srt"
71	```
72
73	翻譯引擎選擇：
74
75	\| 引擎 \| 品質 \| 速度 \| 成本 \| 設定 \|
76	\|------\|------\|------\|------\|------\|
77	\| `deepl` \| 最佳 \| 快 \| 免費 50 萬字/月 \| `DEEPL_API_KEY` \|
78	\| `openai` \| 很好（上下文感知） \| 中 \| 按量計費 \| `OPENAI_API_KEY` \|
79
80	也可以讓 Agent 直接讀取 TXT 檔後在對話中翻譯，不需要額外 API — 適合短內容或用戶想邊看邊討論。
81
82	## 可選：投遞
83
84	### 寄到 Gmail
85
86	Agent 使用可用的 email 工具（Claude Code 有 Gmail MCP）：
87
88	1. 讀取轉錄/翻譯後的檔案
89	2. 建立草稿或直接發送，附上 SRT/TXT 檔案
90	3. 主旨建議：`[Transcript] {影片標題}`
91
92	### 上傳到 Google Drive
93
94	```bash
95	rclone copy "$TEMP/transcripts/VIDEO_ID.srt" gdrive:/Transcripts/
96	rclone copy "$TEMP/transcripts/VIDEO_ID.txt" gdrive:/Transcripts/
97	```
98
99	需要先設定 rclone（見 [references/setup.md](references/setup.md)）。
100
101	如果用戶沒有 rclone，也可以用 Google Drive API 或手動告知檔案路徑讓用戶自己上傳。
102
103	## 與其他 Skill 的串接
104
105	### ← 從 yt-search 接手
106
107	yt-search 用 `--list-subs` 發現沒有字幕，或用戶表示自動字幕不準時：
108
109	1. 告知用戶：「這部影片沒有（好的）字幕，要用 Whisper 轉錄嗎？」
110	2. 用戶同意後，用影片 URL 執行轉錄
111	3. 輸出 SRT + TXT
112
113	### → 推送到 anything-to-notebooklm
114
115	轉錄完成後，用戶想推進 NotebookLM：
116
117	1. 用 TXT 檔做 `notebooklm source add "$TEMP/transcripts/VIDEO_ID.txt" --wait`
118	2. 或直接用影片 URL（NotebookLM 原生支援 YouTube）
119
120	TXT 檔的優勢：經過 Whisper 轉錄，品質遠高於 NotebookLM 自己抓的 YouTube 自動字幕。
121
122	## 完整工作流範例
123
124	```
125	用戶：「幫我找 AI agent 的教學影片」
126	→ yt-search 搜尋，列出 20 部
127
128	用戶：「第 3 部看起來不錯，幫我抓字幕」
129	→ yt-search 回報：這部影片沒有字幕
130
131	用戶：「那用 Whisper 轉錄」
132	→ whisper-transcribe 下載音頻 + 轉錄
133	→ 產出 SRT + TXT
134
135	用戶：「翻譯成繁中，然後寄到我信箱」
136	→ translate_srt.py 翻譯
137	→ Gmail 寄出
138
139	用戶：「也幫我推到 NotebookLM 生成播客」
140	→ anything-to-notebooklm source add TXT
141	→ generate audio
142	```
143
144	## 清理暫存
145
146	```bash
147	rm -rf "$TEMP/transcripts/"
148	```
149
150	## 注意事項
151
152	- 首次使用會下載模型（large-v3 約 3GB），之後從快取載入
153	- GPU 記憶體不足時自動降級：先試 `large-v3`，不行換 `medium` 或 `small`
154	- Windows 加 `PYTHONUTF8=1` 前綴
155	- 長音頻（> 3 小時）建議用本地模式，雲端 API 可能超時或超額

People who liked this also viewed

6 picks

Type