YouTube Content

从 YouTube 视频提取内容，转化为结构化输出（笔记、摘要、Thread、博客文章）。

When to Use

• 用户分享 YouTube 链接（任何格式：标准URL、youtu.be短链、shorts、embeds、纯video ID）
• 需要视频摘要、转录、章节提取
• 需要从视频生成结构化笔记、Twitter/X thread、博客文章
• 批量处理多个视频

核心架构：字幕优先路由

YouTube URL
    │
    ├── 有字幕（zh-CN/zh-Hans/zh-Hant auto-subs）
    │   └── 下载字幕（即时，无需音频） → 生成笔记
    │
    └── 无字幕
        └── 下载音频 → Whisper 转录 → 生成笔记

永远先检查字幕可用性——字幕是即时的（无需下载），比 Whisper 更准确（尤其是中文自动字幕），每视频节省 ~20min。

快速开始

依赖

pip install youtube-transcript-api faster-whisper

单视频处理

# 1. 检查字幕
/opt/homebrew/Caskroom/miniconda/base/bin/yt-dlp --cookies-from-browser chrome \
  --proxy "http://127.0.0.1:$PROXY" --list-subs "URL" 2>&1 | grep -E "(has |zh-CN|zh-Hans)"

# 2a. 有字幕 → 直接下载
/opt/homebrew/Caskroom/miniconda/base/bin/yt-dlp --cookies-from-browser chrome \
  --proxy "http://127.0.0.1:$PROXY" \
  --write-auto-sub --sub-lang "zh-CN,zh-Hans,zh-Hant" --convert-subs srt --skip-download \
  -o "%(id)s.%(ext)s" "URL"

# 2b. 无字幕 → 下载音频 + Whisper
# 下载音频
/opt/homebrew/Caskroom/miniconda/base/bin/yt-dlp --cookies-from-browser chrome \
  --proxy "http://127.0.0.1:$PROXY" \
  -x --audio-format mp3 --audio-quality 0 -o "%(id)s.%(ext)s" "URL"

# Whisper 转录（后台运行）
python3 -c "
import faster_whisper
model = faster_whisper.WhisperModel('medium', device='cpu', compute_type='int8')
segments, info = model.transcribe('VIDEO_ID.mp3', language='zh', beam_size=5, vad_filter=True)
with open('VIDEO_ID.txt', 'w') as f:
    for seg in segments:
        f.write(seg.text.strip() + '\
')
print('=== WHISPER DONE ===')
"

字幕抓取（Python脚本）

scripts/fetch_transcript.py — 通过 youtube-transcript-api 获取字幕，支持多种 URL 格式：

python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --text-only           # 纯文本
python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --timestamps          # 带时间戳
python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --language zh,en      # 指定语言

输出格式详见 references/output-formats.md。

输出格式

根据用户请求选择，默认为结构化笔记：

模板和详细规则见 references/output-formats.md。

完整处理流程

1. 获取字幕（优先）或下载音频
2. 转录（如需要 Whisper）
3. 验证输出非空且完整
4. 转换为目标格式
5. 交付给用户

长字幕处理（SRT >1000行）：用 delegate_task 子代理分段读取（每次500行）生成笔记，避免撑爆主上下文。

批量处理

代理检测（必须首先执行）

PROXY=$(networksetup -getwebproxy Wi-Fi | grep -E '^Port' | awk '{print $2}')

⚠️ 代理端口不固定——取决于当前 VPN/代理工具配置。所有 yt-dlp 命令必须使用 $PROXY 变量。

🚨 关键规则：禁止并行 Whisper

Whisper 会占满所有 CPU 核心（300%+），两个并行 Whisper 都会慢 2-3 倍，总耗时比顺序执行更差。

每次启动 Whisper 前：

1. process(action='list') 检查是否有 python 进程在运行
2. 如果有 Whisper 进程，等待它完成再启动下一个
3. 3+ 个视频 → 使用 batch_whisper.py（模型只加载一次）

批处理策略

大批量（10+ 个 Whisper 视频）：两阶段（推荐）

Phase 1: 下载所有音频（单个后台 for 循环）
Phase 2: batch_whisper.py 后台运行，同时用 delegate_task 处理字幕视频笔记
Phase 3: Whisper 全部完成 → 并行 delegate_task 生成所有笔记

中批量（3-9 个）：batch_whisper.py + 增量笔记

Phase 1: 下载所有音频
Phase 2: batch_whisper.py（后台）
Phase 3: 每出现新 .txt → delegate_task 生成笔记

小批量（1-2 个）：流水线

Whisper A 完成 → 同时：delegate_task(A) + Whisper B

batch_whisper.py

scripts/batch_whisper.py — 批量 Whisper 转录脚本，模型只加载一次，顺序处理：

# 找出所有缺 .txt 的 mp3 文件
cd youtube_downloads
VIDEOS=$(for f in *.mp3; do vid="${f%.mp3}"; [ ! -f "${vid}.txt" ] && echo "$f"; done)

# 单后台进程运行
python3 SKILL_DIR/scripts/batch_whisper.py $VIDEOS \
  --language zh --model medium --device cpu --compute-type int8

后台运行：background=true, notify_on_complete=true, timeout=3600

子代理笔记生成模板

goal: """读取 /path/to/VIDEO_ID.txt 转录文件，整理成结构化中文笔记。

视频信息：
- 标题：\x3Cvideo title>
- 时长：\x3Cduration>
- 频道：\x3Cchannel name>

要求：
1. 读取完整转录文件（分段读取每次500行）
2. 整理成结构化笔记：📌核心主题、📊关键数据、🔍主要观点、💡关键洞察
3. 忠实原始内容，写入 /path/to/VIDEO_ID_notes.md"""
context: "读取转录文本并整理成结构化中文笔记"
toolsets: ["file"]

队列状态沟通

紧凑格式（默认）：📊 队列更新：✅ N完成 | 🔄 1转录中 | ⏳ X排队

表格格式（≤5项时）：

| # | ID | 标题 | 时长 | 状态 |

状态 emoji：✅ 完成、🔄 处理中、⏳ 排队、⚠️ 错误

错误处理

更多 yt-dlp/Whisper 坑点和解决方案见 references/whisper-transcription.md。

环境特定注意事项

• macOS 代理：yt-dlp 不继承系统代理，必须显式传 --proxy，且端口不固定
• yt-dlp 双版本陷阱：macOS 上有 Homebrew（旧）和 conda（新）两个版本，始终用 conda 版本
• Chrome cookies：--cookies-from-browser chrome 可能静默返回 0 cookies（解密失败），需检查

进阶功能

标题党检测

部分中文视频标题与内容不符（如标题"2026经济崩盘"实际讲乐观内容）。delegate_task 子代理通常能检测到这种不匹配，在笔记中加 ⚠️ 标记。

飞书知识库集成

大批量完成后，可整合写入飞书知识库（需 lark-wiki + lark-doc skills + user auth scopes）。