hanzhangzzz 小红书视频下载器 + 口播文案转录
将小红书视频下载到本地，自动用 Whisper 转录口播内容，生成 Markdown 逐字稿。中文视频直接保存中文，英文视频翻译成中文后保存。
触发条件
- 用户发送
xiaohongshu.com/discovery/item/xxx或xhslink.com/xxx链接 - 用户说"下载这个小红书视频"、"扒一下这个文案"、"存下来"且链接是小红书的
前置依赖
| 工具 | 用途 | 安装检查 |
|---|---|---|
| yt-dlp | 视频下载 | which yt-dlp |
| whisper (openai-whisper) | 语音转文字 | which whisper |
| ffmpeg | 音频处理 | which ffmpeg |
工作流程
阶段 A：下载视频
第 1 步：用脚本下载视频
SKILL_DIR="$(cd "$(dirname "$0")" && pwd)"
bash "${SKILL_DIR}/scripts/download_xiaohongshu.sh" '<XIAOHONGSHU_URL>' '<OUTPUT_DIR>'
脚本会输出下载的文件路径。
第 2 步：确认下载成功
验证文件存在且大小 > 0。记录文件路径和视频标题（如果 yt-dlp 能提取到）。
阶段 B：视频转录
第 3 步：创建目录结构
<OUTPUT_DIR>/小红书-{视频标题或简短描述}/
├── transcript.md ← 格式化的逐字稿 Markdown
├── videos/
│ └── video.mp4 ← 原始视频
└── transcripts/
├── audio.srt ← SRT 字幕文件
└── audio.txt ← 纯文本逐字稿
标题来源优先级：
- yt-dlp 提取的标题
- 视频前几句口播内容的概括
- 默认用
小红书-视频
第 4 步：移动视频到目录结构中
mv {下载的mp4} {output_dir}/videos/video.mp4
第 5 步：Whisper 转录
whisper "{output_dir}/videos/video.mp4" \
--model medium \
--output_format srt \
--output_dir /tmp/xhs_transcribe
语言检测策略：
- 先不指定
--language，让 Whisper 自动检测 - 如果自动检测为中文 → 中文视频，直接保存
- 如果自动检测为英文 → 英文视频，转录后翻译成中文
模型选择：
base：快速但准确率差，不推荐medium：平衡选择，中文效果好（推荐）large：最佳效果但很慢，长视频慎用
注意：
- ~8 分钟视频用 medium 模型约需 15-20 分钟
- 用
background=true+notify_on_complete=true后台运行 - 转录完成后继续后续步骤
第 6 步：整理转录文件
# 移动 SRT
cp /tmp/xhs_transcribe/*.srt "{output_dir}/transcripts/audio.srt"
# 从 SRT 提取纯文本
awk '!/^[0-9]+$/ && !/^[0-9]{2}:[0-9]{2}/ && !/^$/' \
"{output_dir}/transcripts/audio.srt" > "{output_dir}/transcripts/audio.txt"
第 7 步：检测语言 + 翻译（如需）
中文视频（绝大多数小红书视频）：
- 直接使用 Whisper 转录的中文文本
- 无需翻译
英文视频（少数情况）：
- 读取
transcripts/audio.txt英文逐字稿 - 分段用 LLM 翻译成中文（每段不超过 2000 字）
- 生成
transcripts/audio-zh.md中文翻译逐字稿
翻译提示词：
将以下英文视频逐字稿翻译为中文，保持口语化风格，专业术语保留英文原文并加括号注释：
{segment}
阶段 C：组装最终输出
第 8 步：生成 transcript.md
中文视频模板：
# 小红书视频逐字稿 - {标题}
> **来源**: 小红书
> **类型**: 视频
> **语言**: 中文
> **时长**: {时长}
> **视频文件**: [video.mp4](videos/video.mp4)
---
## 逐字稿
{纯文本逐字稿}
---
*Generated by xiaohongshu-downloader skill · Whisper medium model*
英文视频模板（额外包含中文翻译）：
# 小红书视频逐字稿 - {标题}
> **来源**: 小红书
> **类型**: 视频
> **语言**: English → 中文翻译
> **时长**: {时长}
> **视频文件**: [video.mp4](videos/video.mp4)
---
## 中文翻译
{翻译后的中文文本}
---
## English Transcript
{英文原文}
---
*Generated by xiaohongshu-downloader skill · Whisper medium model*
第 9 步：清理临时文件
rm -rf /tmp/xhs_transcribe
第 10 步：向用户报告
报告：
- 视频标题
- 目录路径
- transcript.md 路径
- 语言（中文/英文→中文翻译）
输出示例
中文视频
<OUTPUT_DIR>/小红书-Obsidian加CloudCode打造个人生活操作系统/
├── transcript.md
├── videos/
│ └── video.mp4
└── transcripts/
├── audio.srt
└── audio.txt
英文视频（含翻译）
<OUTPUT_DIR>/小红书-Some English Video/
├── transcript.md
├── videos/
│ └── video.mp4
└── transcripts/
├── audio.srt
├── audio.txt
└── audio-zh.md
已验证有效的路径
| 步骤 | 方法 | 状态 |
|---|---|---|
| 下载视频 | yt-dlp + bundled script | ✅ 有效 |
| 转录中文 | whisper --model medium | ✅ 有效，质量好 |
| 提取纯文本 | awk 过滤 SRT | ✅ 有效 |
| 组装 Markdown | heredoc 模板 | ✅ 有效 |
无效的方法（不要再试）
| 方法 | 为什么不行 |
|---|---|
| yt-dlp --print title 获取小红书标题 | 经常失败，Extractor 不稳定 |
| whisper base 模型做中文 | 准确率太差，至少用 medium |
| whisper --task translate 做英→中 | translate 只输出英文，不支持中文翻译 |
| whisper --language zh 对英文视频 | 会把英文识别成乱码 |
与 x-article-download skill 的复用关系
本 skill 的转录+Markdown生成逻辑与 x-article-download 的阶段 B/C 高度一致：
- 相同的 Whisper 模型和参数
- 相同的 SRT → 纯文本提取方式
- 相同的目录结构规范
- 相同的语言检测 + 条件翻译逻辑
主要差异：
- 小红书视频大多为中文，不需要翻译（x 的视频多为英文需要翻译）
- 标题获取方式不同（yt-dlp 对小红书不稳定）
- 视频下载方式不同（使用 bundled script 而非直接 yt-dlp）
边界情况
- 如果 yt-dlp 下载失败 → 报错，尝试 browser fallback
- 如果视频很短（<30s）→ 转录很快，但可能只有几句话
- 如果视频无语音 → Whisper 会输出空文本，报告"无语音内容"
- 如果是图文笔记（非视频）→ 只下载图片，不做转录
- 如果标题获取失败 → 用口播前几句概括作为标题
Notes
- 默认保存到
<OUTPUT_DIR>（默认为~/Downloads） - 如果用户指定其他路径，使用用户指定的路径
- 适合单条链接处理，不适合批量爬取
- 图片笔记暂不支持转录（无语音内容）