whisper-transcribe-summarize

SKILL.md

---
name: whisper-transcribe-summarize
description: 本地 Whisper 语音转文字，自动生成清理文本、书面整理稿和结构化总结稿。支持音频和视频输入，全程离线。
version: 1.1.0
---

# whisper-transcribe-summarize

本地语音转文字 + 文本清理 + 整理稿 + 总结稿。全程离线，不依赖外部接口。

## 适用场景

- 本地离线语音转文字
- 把 mp3 / wav / m4a / mp4 / mov 等音视频转成文字
- 转录后自动生成清理文本、书面整理稿、结构化总结稿
- 下载 Whisper 模型到本地，重复使用

## 包含脚本

- `scripts/download_whisper_model.py` — 模型下载
- `scripts/local_whisper_transcribe.py` — 转录

## 依赖

- `python3`
- `ffmpeg`
- `openai-whisper`（未安装时执行 `python3 -m pip install -U openai-whisper`）

## 模型下载

```bash
python3 scripts/download_whisper_model.py medium
```

可选模型：tiny / base / small / medium / large

推荐：中文用 medium，追求速度用 base 或 small。模型下载到 ~/.cache/whisper。

## 转录命令

```bash
python3 scripts/local_whisper_transcribe.py "/路径/文件.mp4"
python3 scripts/local_whisper_transcribe.py "/路径/文件.mp3" --model medium
python3 scripts/local_whisper_transcribe.py "/路径/文件.mp3" --output "/路径/结果.txt"
```

支持音频和视频输入，视频通过 ffmpeg 自动提取音频。

## 输出

默认输出 `<源文件名>_whisper.txt`，指定 `--output` 可自定义路径。

## 执行流程

1. 确认文件存在。
2. 未安装 whisper 则先安装。
3. 模型未缓存则先下载。
4. 执行转录。
5. 对转录文本进行基础清理。
6. 默认生成整理稿和总结稿（用户说"只转录"则跳过）。

## 转录文本基础清理

原始转录往往是繁体、无标点、有重复的粗糙文本，需要进行以下清理：

1. **繁转简**：繁体中文转简体。
2. **加标点分段**：补全标点，按语义分段。
3. **去口语赘余**：去除"嗯"、"啊"、"就是说"等无意义填充词。
4. **去重复/幻觉**：删除语音识别产生的重复片段。
5. **修错别字**：修正常见识别错字（如"维铭"→"文明"）。
6. **保留原意**：只做清理，不改写、不重组。

清理后覆盖保存到 `<源文件名>_whisper.txt`。

## 整理稿

默认文件名：`<源文件名>_整理稿.txt`

整理稿不是逐句清理，而是将口语转录**完全重写**为流畅的书面文章。

### 重写要求

1. **去口语化**：彻底去除口语痕迹（语气词、重复、卡顿等）。
2. **第三人称**：原文的"我"改为"作者/导演/分析者"或省略。
3. **逻辑重组**：按逻辑而非时间线组织，相关内容合并到同一段落。
4. **散文体**：连贯段落（每段 3-8 句），不用列表，不用清单式写法。
5. **概括性标题**：文章开头给一个概括主题的标题。
6. **保留全部内容**：专业术语和分析洞见完整保留，只是换更精炼的表达。
7. **繁转简 + 修错字**。
8. **篇幅**：约为原始转录的 60%-80%。
9. **忠于原文**：不编造、不添加原文未涉及的内容。

### 语言风格

1. **精简克制**：不堆砌修饰词，少用"极为"、"本质上"等加重词。
2. **结构标记**：用"第一幕"、"随着"、"接下来"、"至此"等词标记内容推进。
3. **主题升华**：关键段落要有总结性提炼，不只描述发生了什么，还要归纳意味着什么。避免过于直白的口语表达。
4. **结尾总结**：最后一段跳出具体分析，对全篇做整体评价，回扣主题。
5. **段落饱满**：完整发展一个想法再换段，小观点揉进同一段落。
6. **最终效果**：读起来像独立撰写的专业文章，而非清洗过的转录稿。

## 总结稿

默认文件名：`<源文件名>_总结稿.md` + `<源文件名>_总结稿.html`

在整理稿基础上生成结构化摘要，同时输出浏览器可直接查看的 html 版本。

### 格式要求

- 顶部引用块写一句话概括
- 关键术语和核心结论**加粗**高亮
- 用分割线划分大区块
- 章节标题用 `### 第X部分 | 标题` 格式
- 原文摘录中的关键词也加粗

```md
# 标题

> **一句话概括**：全文主题

---

## 核心摘要
- **要点一**：结论
- **要点二**：结论

---

## 结构拆解

### 第一部分 | 标题
- **关键点**加粗，其余正常

---

## 关键观点

### 1. 观点标题
简洁解释，**核心结论加粗**。

---

## 原文摘录
> 原文片段，**关键词加粗**
```

### html 版本

用 Python `markdown` 库将 .md 转为带样式的 .html：
- 标题有层级大小
- 加粗文字红色高亮
- 引用块蓝色左边框 + 浅蓝背景
- 正文居中，最大宽度 860px
- 自动在浏览器中打开

## 注意事项

- 默认自动生成整理稿和总结稿，无需用户额外要求
- 用户说"只转录"、"不要整理"、"只要原文"时跳过整理和总结
- 不使用外部语音识别接口
- 不编造原文未涉及的信息
- 不在脚本中硬编码用户路径

## 回复格式

执行完成后只报告：
- 是否成功
- 使用的模型
- 转录的文件
- 转录文本路径
- 整理稿路径
- 总结稿路径

## 示例

用户：`帮我把 whisper medium 模型下到本地`
→ 执行 `scripts/download_whisper_model.py medium`

用户：`用本地 whisper 把这个 mp4 转成文字`
→ 执行 `scripts/local_whisper_transcribe.py`，返回转录路径