zhihu-transcribe

1# 知乎视频转录 Skill
2 
3将知乎视频下载音频，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# 独立视频页
24python scripts/transcribe.py "https://www.zhihu.com/video/1234567890"
25 
26# 问答内嵌视频（脚本自动提取视频 ID）
27python scripts/transcribe.py "https://www.zhihu.com/question/12345/answer/67890"
28 
29# 专栏文章（内嵌视频会被提取）
30python scripts/transcribe.py "https://zhuanlan.zhihu.com/p/123456"
31 
32# 指定输出目录
33python scripts/transcribe.py "https://www.zhihu.com/video/1234567890" -o ./output
34```
35 
36## 流程
37 
38### Step 1: yt-dlp 下载音频
39 
40知乎视频页、问答页和专栏文章的链接形态不同，脚本统一交给 yt-dlp 解析。Referer + UA 伪装可规避基础反爬。
41 
42```bash
43yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
44  --user-agent "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) ..." \
45  --referer "https://www.zhihu.com/" \
46  "https://www.zhihu.com/video/1234567890"
47```
48 
49### Step 2: SenseVoice-Small 转录
50 
51```python
52from funasr import AutoModel
53 
54model = AutoModel(
55    model="iic/SenseVoiceSmall",
56    trust_remote_code=True,
57    vad_model="fsmn-vad",
58    vad_kwargs={"max_single_segment_time": 30000},
59    device="cpu",
60)
61 
62result = model.generate(
63    input=audio_path,
64    language="zh",
65    use_itn=True,
66    batch_size_s=60,
67)
68```
69 
70### Step 3: 生成 Markdown
71 
72脚本自动创建带 frontmatter 的 Markdown 文件，包含来源链接、标题、语言和转录文本。下载失败会自动重试。
73 
74## 已知限制
75…