chubbyguan 播客转录 Skill
将播客音频下载并转录为文字，存为 Markdown 文件。支持小宇宙、喜马拉雅等平台。
环境要求
# Python 3.9+
python -m venv .venv
source .venv/bin/activate
# 依赖
pip install faster-whisper
# 系统依赖
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
使用方法
单集转录
python scripts/transcribe.py "https://www.xiaoyuzhoufm.com/episode/xxxxx"
批量转录（RSS）
python scripts/batch_transcribe.py --rss-url "http://www.ximalaya.com/album/xxxxx.xml" --count 10
流程
Step 1: 下载音频
支持多种来源：
- 小宇宙单集链接（自动从页面提取音频 URL）
- 喜马拉雅链接
- 直接音频 URL（.mp3/.m4a/.wav）
- RSS feed 中的音频链接
注意：小宇宙/喜马拉雅等平台会从页面 HTML 中自动解析 og:audio、<audio> 标签或内嵌 JSON 获取真实音频地址，无需手动提取。
Step 2: faster-whisper 转录
from faster_whisper import WhisperModel
model = WhisperModel('small', device='cpu', compute_type='int8')
segments, info = model.transcribe(
audio_path,
language='zh',
beam_size=5,
vad_filter=True,
)
Step 3: 生成 Markdown
自动创建带 frontmatter 的 Markdown 文件。
性能数据
| 模型 | 速度 (CPU) | 中文准确率 |
|---|---|---|
| faster-whisper tiny | ~149s/1h | 一般 |
| faster-whisper small | ~10min/h | 良好 (~85-90%) |
| faster-whisper large-v3 | ~30-60min/h | 最佳 |
已知限制
- CPU 推理较慢，长播客需要较长时间
- 中文准确率约 85-90%，需要人工校对
- 首次运行会下载模型（small: ~461MB）
- 不支持说话人分离
参考项目
- SYSTRAN/faster-whisper - Whisper 的 CTranslate2 实现
- OpenAI Whisper - 原始 Whisper 模型
⚖️ 合规声明
仅供个人学习与研究使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。