weibo-transcribe

1# 微博视频转录 Skill
2 
3将微博视频下载音频，用 SenseVoice-Small 转录为文字，存为带 frontmatter 的 Markdown 文件。
4 
5## 环境要求
6 
7```bash
8# Python 3.9+
9python -m venv .venv
10source .venv/bin/activate
11 
12# 依赖
13pip install funasr modelscope torch torchaudio
14 
15# 系统依赖
16# macOS: brew install ffmpeg yt-dlp
17# Ubuntu: sudo apt install ffmpeg && pip install yt-dlp
18```
19 
20## 使用方法
21 
22```bash
23# 桌面端链接
24python scripts/transcribe.py "https://weibo.com/xxxxx"
25 
26# 移动端链接（更稳定）
27python scripts/transcribe.py "https://m.weibo.cn/xxxxx"
28 
29# 指定输出目录
30python scripts/transcribe.py "https://m.weibo.cn/xxxxx" -o ./output
31```
32 
33## 流程
34 
35### Step 1: yt-dlp 下载音频
36 
37微博对桌面端 UA 拦截较严，脚本自动使用移动端 UA + Referer 伪装。优先用 `m.weibo.cn` 链接，成功率更高。
38 
39```bash
40yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
41  --user-agent "Mozilla/5.0 (iPhone; CPU iPhone OS 16_0 like Mac OS X) ..." \
42  --referer "https://m.weibo.cn/" \
43  "https://m.weibo.cn/status/example"
44```
45 
46### Step 2: SenseVoice-Small 转录
47 
48```python
49from funasr import AutoModel
50 
51model = AutoModel(
52    model="iic/SenseVoiceSmall",
53    trust_remote_code=True,
54    vad_model="fsmn-vad",
55    vad_kwargs={"max_single_segment_time": 30000},
56    device="cpu",
57)
58 
59result = model.generate(
60    input=audio_path,
61    language="zh",
62    use_itn=True,
63    batch_size_s=60,
64)
65```
66 
67### Step 3: 生成 Markdown
68 
69脚本自动创建带 frontmatter 的 Markdown 文件，包含来源链接、作者、语言和转录文本。下载失败会自动重试。
70 
71## 已知限制
72 
73- **链接形态**：桌面端 `weibo.com` 链接常被反爬拦截，优先使用 `m.weibo.cn` 移动端链接
74- **反爬**：微博对非移动端 UA 和缺失 Referer 的请求拦截较严；脚本已内置移动端 UA，但频繁请求仍可能触发限流
75…