360 Secure SkillHub
360 安全技能中心

Jarvis-Video-STT

核心功能:批量将MP4、MKV等格式视频的语音转为文字,支持多进程并行,提供small/medium等模型可选,可指定语言提升速度。典型场景:课程视频转录、电影字幕生成、播客访谈转录等。输入为视频文件/文件夹/通配符,输出带时间戳的SRT字幕、纯文本TXT,以及JSON和MD格式的汇总报告,需通过命令行调用,可调整并行数、模型精度等参数。

chongjie-ran
chongjie-ran
热度 35.15
最近更新 2026-05-11 17:40:15
分类:效率依赖:代码执行 / 读写文件应用场景:文件转换

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add jarvis-video-stt
Metadata
name
jarvis-video-stt
description
Jarvis-Video-STT - 批量视频语音转文字工具。 基于Faster-Whisper,支持多进程并行、进度条、汇总报告。 **触发场景**: - 用户需要将视频中的语音转换为文字/字幕 - 批量处理多个视频 - 需要生成SRT字幕或纯文本 - 需要处理报告查看结果统计 **使用方式**: 1. 确认已安装依赖: pip install faster-whisper tqdm 2. 确认ffmpeg已安装 3. 执行命令或调用主脚本 **支持格式**:MP4, MKV, AVI, MOV **输出**: - .srt 文件:带时间戳的字幕格式 - .txt 文件:纯文本全文 - report.json:机器可读的汇总报告 - report.md:人类可读的汇总报告

Jarvis-Video-STT Skill

快速开始

1. 安装依赖

pip install faster-whisper tqdm 确保ffmpeg已安装 (brew install ffmpeg on macOS)

2. 基本用法

medium模式(高精度,推荐): python ~/.openclaw/workspace-researcher/tools/jarvis-video-stt/batch_whisper.py -i videos/*.mp4 -o results -m medium

small模式(快速): python ~/.openclaw/workspace-researcher/tools/jarvis-video-stt/batch_whisper.py -i videos/*.mp4 -o results -m small

指定语言(略快): python batch_whisper.py -i videos/ -o results -m medium -l zh

调整并行数: python batch_whisper.py -i videos/ -o results -w 4

3. 参数说明

参数 简写 说明 默认值
--input -i 视频路径/文件夹/通配符 必填
--output -o 输出目录 output
--model -m small/medium medium
--language -l 语言代码,None=自动 None
--workers -w 并行进程数 3
--cpu - 强制使用CPU False

4. 输出文件

每个视频生成:

  • 视频名.srt - 带时间戳字幕
  • 视频名.txt - 纯文本

整体生成:

  • report.json - JSON汇总报告
  • report.md - Markdown汇总报告

性能参考

模型 一小时视频(单进程) 推荐并行
small ~2分钟 4进程
medium ~5分钟 3进程
large-v3 ~8分钟 2进程

适用场景

  • 课程视频转文字
  • 电影/纪录片字幕生成
  • 播客/访谈转录
  • 短视频内容分析
  • 视频内容检索预处理

故障排除

Q: 报 faster-whisper 找不到? pip install faster-whisper

Q: 报 ffmpeg 找不到? brew install ffmpeg (macOS) apt install ffmpeg (Ubuntu)

Q: Mac显存不足? 减少并行数:-w 2