YouTube ASR Summarize (Local)

该 Skill 提供本地化流程：用 yt-dlp 下载 YouTube 视频音频，通过 faster-whisper 在本机做语音识别，并用 ffmpeg 抽取若干截图帧；最终在指定输出目录生成 summary.md（摘要与时间轴）、transcript.txt、transcript.srt 及 frames 图片。适用于视频缺少字幕且不希望使用云端 API Token 的场景，默认模型 sma…

yifany-github

热度 67.77

最近更新 2026-05-11 17:30:16

分类：效率依赖：代码执行 / 读写文件 / 第三方 API应用场景：摘要总结 / 数据处理 / 自动化脚本 / 研究

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 youtube-asr-summarize

Metadata

name: youtube-asr-summarize
description: Summarize YouTube videos with NO subtitles by doing local ASR (yt-dlp + faster-whisper) and extracting a few screenshot frames via ffmpeg. Use when the user asks to summarize the latest video from a channel and YouTube timedtext/subtitles are empty, or when no API tokens/keys should be used.

YouTube ASR Summarize (local, no tokens)

Use this skill to summarize a YouTube video even when subtitles are missing by downloading audio and running local speech-to-text.

Quick start

One-time deps

brew install yt-dlp ffmpeg

Create venv + install ASR

python3 -m venv .venv
source .venv/bin/activate
pip install faster-whisper

python3 scripts/youtube_asr_summarize.py \
  --url "https://www.youtube.com/watch?v=<id>" \
  --out "/tmp/youtube-asr/<id>" \
  --model small \
  --lang zh \
  --frames 1 \
  --timeline-every 180

Outputs in --out:

summary.md（含：链接 + 摘要 + 时间轴）
transcript.txt
transcript.srt
frames/frame_01.jpg … (if --frames > 0)

Notes

Default model small (CPU/int8) is fast; use --model medium for better accuracy.
If you need more control, see references/workflow.md.