AI导哈

视频转录工具

一个可以将任何视频URL转录为文本的工具，支持MCP服务器、Agent Skill和CLI工具三种使用方式，适用于1000多个视频平台。

  • by XFWang522
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 XFWang522/vidscribe

使用说明

vidscribe（MCP/代理技能/CLI工具）

使用一个命令将任何视频URL转录为文本。

一 主控程序 服务器+ 代理技能 用于AI编码助手，以及独立的CLI工具。让你的AI代理能够转录任何视频——只需粘贴一个链接。

支持 Bilibili、YouTube、TikTok/抖音、推特/X、Vimeo，以及 1000+个网站 通过yt-dlp。

中文文档

快速开始

作为一个 主控程序 服务器（克劳德桌面/光标/任何MCP客户端）

pip install vidscribe[mcp]

添加到MCP客户端配置中（例如。 claude_desktop_config.json 或光标MCP设置）：

{
  "mcpServers": {
    "vidscribe": {
      "command": "vidscribe-mcp"
    }
  }
}

然后问你的AI： “转录此视频：https://..."

作为一个 代理技能 （光标/风帆/Codex）

将技能复制到您的个人技能目录中：

# Cursor
cp -r agent-skill ~/.cursor/skills/vidscribe

# Windsurf
cp -r agent-skill ~/.windsurf/skills/vidscribe

# Codex
cp -r agent-skill ~/.codex/skills/vidscribe

然后告诉你的AI代理： “转录此视频：https://..." --它将自动知道如何使用vidscribe。

作为CLI工具

pip install vidscribe

# Set up any one provider (see below)
export OPENAI_API_KEY="sk-..."

# Transcribe!
vidscribe "https://www.youtube.com/watch?v=dQw4w9WgXcQ" -o transcript.txt

特性

  • MCP服务器 -适用于Claude Desktop、Cursor和任何兼容MCP的客户端
  • 代理技能 -插入Cursor/Windsurf/Codex作为可重用的AI技能
  • 一个命令 -只需粘贴URL，获取文本
  • 1000+个网站 -yt-dlp支持的任何平台
  • 5家ASR供应商 -按质量、速度、价格或语言选择
  • 自动检测 -从您的环境变量中选择最佳可用提供程序
  • 脱机模式 -本地Whisper模型，不需要API密钥
  • 多语言 -中文、英文、日文和50多种语言

安装

# Core (with cloud providers that need no extra deps)
pip install vidscribe

# With MCP server support
pip install vidscribe[mcp]         # MCP Server

# With specific provider support
pip install vidscribe[openai]      # OpenAI Whisper API
pip install vidscribe[deepgram]    # Deepgram
pip install vidscribe[aliyun]      # Aliyun DashScope
pip install vidscribe[local]       # Local faster-whisper (offline)
pip install vidscribe[all]         # Everything (MCP + all providers)

系统依赖关系：

  • FFmpeg -用于音频转换(brew install ffmpeg / apt install ffmpeg)

提供商

提供商 最划算 价格 速度 设置
火山引擎 中文内容 约0.11美元/小时 快速 指南
开放人工智能 多语言 0.36美元/小时 快速 指南
阿里云 中文内容 ~0.17美元/小时 快速 指南
深度图 速度和成本 0.26美元/小时 最快 指南
本地 隐私/离线 免费 慢（CPU） 指南

Volcengine (火山引擎)

中国内容最便宜的云选项。由豆瓣ASR提供技术支持。

export VOLC_APP_KEY="your_app_id"
export VOLC_ACCESS_KEY="your_access_token"

获取凭据： Volcengine控制台

OpenAI Whisper API

最好的多语言质量。在全球范围内工作。

export OPENAI_API_KEY="sk-..."

获取API密钥： OpenAI平台

Aliyun (阿里云)

对中国人有好处。免费试用：3个月，每天2小时。

export DASHSCOPE_API_KEY="sk-..."

获取API密钥： 百联控制台

深度图

最快的转录。 200美元免费信贷 注册时，不需要信用卡。

export DEEPGRAM_API_KEY="..."

获取API密钥： Deepgram控制台

本地（更快的耳语）

免费和离线。不需要API密钥。在CPU上运行（速度较慢但专用）。

pip install vidscribe[local]
vidscribe "https://..." -p local

用法

# Auto-detect provider from environment variables
vidscribe "https://www.bilibili.com/video/BV1xxx"

# Specify provider explicitly
vidscribe "https://youtu.be/xxx" -p openai

# Save to file
vidscribe "https://youtu.be/xxx" -o transcript.txt

# Language hint (helps accuracy for non-Chinese/English)
vidscribe "https://youtu.be/xxx" -l ja-JP

# Keep the downloaded audio file
vidscribe "https://youtu.be/xxx" -o transcript.txt --keep-audio

# Use as Python module
python -m vidscribe "https://..."

支持的视频平台

Bilibili、YouTube、TikTok、抖音、Twitter/X、Vimeo、Dailymotion、Twitch、Instagram、Facebook、Reddit、NicoNico和 1000+以上.

支持的语言

中文、英语、日语、韩语、法语、德语、西班牙语、俄语、阿拉伯语和50多种语言（因提供商而异）。

运作原理

Video URL  -->  yt-dlp (download audio)  -->  ASR Provider  -->  Text
                                          |
                                   [cloud providers]
                                   upload to temp host
                                          |
                                   [local provider]
                                   process locally
  1. 下载：yt-dlp从任何视频URL中提取音轨
  2. 上传 （仅限云）：音频上载到临时文件主机，供ASR API访问
  3. 转录：ASR提供程序将语音转换为文本
  4. 输出：完整成绩单打印到stdout或保存到文件

成本比较

对于一个典型的15分钟视频：

提供商 成本 备注
Volcengine 约0.2日元（约0.03美元） 最便宜的云
OpenAI 约0.09美元 最佳质量
阿里云 ~0.3日元（~0.04美元） 免费试用
Deepgram 约0.06美元 200美元免费积分
本地 免费 需要CPU时间（约20分钟）

配置

您可以在shell配置文件中设置环境变量(~/.zshrc, ~/.bashrc)或使用a .env 文件：

cp .env.example .env
# Edit .env with your keys

vidscribe按以下优先级顺序自动检测提供者：

  1. Volcengine（如果 VOLC_APP_KEY 已设置）
  2. OpenAI（如果 OPENAI_API_KEY 已设置）
  3. 阿里云（如果 DASHSCOPE_API_KEY 已设置）
  4. 深度图（如果 DEEPGRAM_API_KEY 已设置）
  5. 本地（如果 faster-whisper 已安装）

覆盖 -p <provider> 旗帜。

主控程序 服务器集成

vidscribe可以作为 主控程序 （模型上下文协议）服务器，将视频转录作为任何兼容MCP的AI客户端都可以直接调用的工具。

什么是MCP？ 模型上下文协议 是将AI助手连接到外部工具的开放标准。它允许AI模型以本机方式调用您的工具——无需shell命令，无需复制粘贴。

安装并运行：

pip install vidscribe[mcp]

配置您的MCP客户端：

Claude Desktop

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）或 %APPDATA%\Claude\claude_desktop_config.json （Windows）：

{
  "mcpServers": {
    "vidscribe": {
      "command": "vidscribe-mcp"
    }
  }
}
Cursor

添加到光标MCP设置(.cursor/mcp.json):

{
  "mcpServers": {
    "vidscribe": {
      "command": "vidscribe-mcp"
    }
  }
}

暴露的MCP工具：

工具 说明
transcribe 将视频URL转录为文本。参数： url, provider, lang, output_path
list_available_providers 列出所有ASR提供程序及其是否已配置

环境变量： MCP服务器读取与CLI相同的环境变量(VOLC_APP_KEY, OPENAI_API_KEY等等）。在启动MCP服务器之前，在shell配置文件中设置它们。

代理技能 整合

vidscribe船已准备就绪 agent-skill/SKILL.md 它适用于任何支持的AI编码助手 代理技能 （光标、风帆、Codex等）。

什么是代理技能？ 代理技能 是可以添加到AI编码助手中的可重用功能。一旦安装，AI就会自动知道何时以及如何使用该工具，无需手动提示。

安装：

# Clone the repo
git clone https://github.com/XFWang522/vidscribe.git

# Copy the skill to your assistant
cp -r vidscribe/agent-skill ~/.cursor/skills/vidscribe

它是如何工作的：

  1. 你告诉你的AI： “转录此视频：https://www.bilibili.com/video/BV1xxx"
  2. AI读取SKILL.md，了解该工具的功能
  3. 它在运行 vidscribe 具有正确的参数
  4. 你的编辑会给你完整的成绩单

适用于任何视频平台——Bilibili、YouTube、TikTok、Twitter/X等1000多个平台。

主控程序 对比 代理技能 --使用哪一种？

主控程序 服务器 代理技能
协议 标准MCP（JSON-RPC over stdio） 人工智能读取Markdown文件
适用于 克劳德桌面、光标、任何MCP客户端 光标、Windsurf、Codex
设置 pip install +config JSON 复制文件夹
工具发现 通过MCP协议自动 AI读取SKILL.md
最适合 克劳德桌面用户；标准化工具集成 喜欢技能的Cursor/Windsurf用户

你可以同时使用这两种方法——它们并不冲突。

许可证

麻省理工学院

相关 MCP