hymansun
5b07d95e7e
Adds a punctuation-aware Whisper prompt and an optional --polish step (free Llama 3.3 70B on Groq) for Chinese podcast transcripts. Maintainer follow-up on the branch: replaced ASCII quotes that bash swallowed inside the prompt (hexdump-verified), added the same prompt to the 429-retry call, and documented --polish as optional. bash -n passes.
118 lines
3.0 KiB
Markdown
118 lines
3.0 KiB
Markdown
# 视频/播客
|
||
|
||
YouTube、B站、小宇宙播客的字幕和转录。
|
||
|
||
## YouTube (yt-dlp)
|
||
|
||
### 获取视频元数据
|
||
|
||
```bash
|
||
yt-dlp --dump-json "URL"
|
||
```
|
||
|
||
### 下载字幕
|
||
|
||
```bash
|
||
# 下载字幕 (不下载视频)
|
||
yt-dlp --write-sub --write-auto-sub --sub-lang "zh-Hans,zh,en" --skip-download -o "/tmp/%(id)s" "URL"
|
||
|
||
# 然后读取 .vtt 文件
|
||
cat /tmp/VIDEO_ID.*.vtt
|
||
```
|
||
|
||
### 获取评论
|
||
|
||
```bash
|
||
# 提取评论（best-effort，不保证完整）
|
||
yt-dlp --write-comments --skip-download --write-info-json \
|
||
--extractor-args "youtube:max_comments=20" \
|
||
-o "/tmp/%(id)s" "URL"
|
||
# 评论在 .info.json 的 comments 字段中
|
||
```
|
||
|
||
### 搜索视频
|
||
|
||
```bash
|
||
yt-dlp --dump-json "ytsearch5:query"
|
||
```
|
||
|
||
> **字幕注意**: 手动上传的字幕提取可靠；自动生成字幕可能存在行间重复，需后处理。
|
||
> **评论注意**: `--write-comments` 基于网页抓取（非 YouTube Data API），部分评论可能丢失。
|
||
|
||
## B站 / Bilibili (yt-dlp + bili-cli)
|
||
|
||
### 视频元数据 (yt-dlp)
|
||
|
||
```bash
|
||
yt-dlp --dump-json "https://www.bilibili.com/video/BVxxx"
|
||
```
|
||
|
||
### 字幕 (yt-dlp)
|
||
|
||
```bash
|
||
yt-dlp --write-sub --write-auto-sub --sub-lang "zh-Hans,zh,en" --convert-subs vtt --skip-download -o "/tmp/%(id)s" "URL"
|
||
```
|
||
|
||
### 搜索/热门/排行 (bili-cli)
|
||
|
||
```bash
|
||
# 搜索视频
|
||
bili search "query" --type video -n 5
|
||
|
||
# 热门视频
|
||
bili hot -n 10
|
||
|
||
# 排行榜
|
||
bili rank -n 10
|
||
```
|
||
|
||
> **412 风控**: 海外 IP 必须提供 Cookie（`--cookies-from-browser chrome` 或 `--cookies /path/to/cookies.txt`），国内 IP 一般不受影响。
|
||
> **安装 bili-cli**: `pipx install bilibili-cli`，然后 `bili login` 扫码登录。
|
||
|
||
## 小宇宙播客 / Xiaoyuzhou Podcast
|
||
|
||
### 转录单集播客（可选 --polish 增强标点）
|
||
|
||
```bash
|
||
# 输出 Markdown 文件到 /tmp/。--polish 让 Llama 3.3 70B 给文稿补中文标点+合理分段
|
||
~/.agent-reach/tools/xiaoyuzhou/transcribe.sh --polish "https://www.xiaoyuzhoufm.com/episode/EPISODE_ID"
|
||
```
|
||
|
||
> 转写 prompt 已要求 Whisper 输出中文标点；若标点效果仍不理想，可加 `--polish` 用 Groq 上免费的 Llama 3.3 70B 补标点+合理分段（9 分钟播客约多 ~7 秒）。每次转写多一轮 LLM 调用，按需使用。
|
||
|
||
### 前置要求
|
||
|
||
1. **ffmpeg**: `brew install ffmpeg`
|
||
2. **Groq API Key** (免费): https://console.groq.com/keys
|
||
3. **配置 Key**: `agent-reach configure groq-key YOUR_KEY`
|
||
4. **首次运行**: `agent-reach install --env=auto` 安装工具
|
||
|
||
### 检查状态
|
||
|
||
```bash
|
||
agent-reach doctor
|
||
```
|
||
|
||
> 输出 Markdown 文件默认保存到 `/tmp/`。
|
||
|
||
## 抖音视频解析
|
||
|
||
```bash
|
||
# 解析视频信息
|
||
mcporter call 'douyin.parse_douyin_video_info(share_link: "https://v.douyin.com/xxx/")'
|
||
|
||
# 获取无水印下载链接
|
||
mcporter call 'douyin.get_douyin_download_link(share_link: "https://v.douyin.com/xxx/")'
|
||
```
|
||
|
||
> 详见 [social.md](social.md#抖音--douyin)
|
||
|
||
## 选择指南
|
||
|
||
| 场景 | 推荐工具 |
|
||
|-----|---------|
|
||
| YouTube 字幕 | yt-dlp |
|
||
| B站字幕 | yt-dlp |
|
||
| 播客转录 | 小宇宙 transcribe.sh |
|
||
| 抖音视频解析 | douyin MCP |
|