gtrk-transcript skill
将用户本地视频或音频(自备配音)转成一个飞书妙记式 Markdown 文字稿,并由 Agent 基于完整转写生成总结;音频配 --json 时另产句级时码 transcript.json(音频驱动工程兜底路输入)。用户说“视频转文字稿 / 视频转文字 / 提取视频文稿 / 把本地视频整理成文字稿或妙记 / 给我自己录的配音出时码稿”时使用。只处理本地文件,不接受 URL、平台链接或远端下载。
- GitHub stars
- 966
- Files
- 2
- Last commit
- Oct 30, 2026
- License
- MIT
- Allowed tools
- —
What does the gtrk-transcript skill do?
gtrk-transcript is an agent skill. 将用户本地视频或音频(自备配音)转成一个飞书妙记式 Markdown 文字稿,并由 Agent 基于完整转写生成总结;音频配 --json 时另产句级时码 transcript.json(音频驱动工程兜底路输入)。用户说“视频转文字稿 / 视频转文字 / 提取视频文稿 / 把本地视频整理成文字稿或妙记 / 给我自己录的配音出时码稿”时使用。只处理本地文件,不接受 URL、平台链接或远端下载。
How to install the gtrk-transcript skill
Each command copies the skill folder into the client's skills directory. Restart the client or start a new session to load it.Install the gtrk-transcript skill in Plugin
/plugin marketplace add Gitruck/cli /plugin install gtrk@gitruck
Install the gtrk-transcript skill in Claude Code
~/.claude/skills/gtrk-transcript/SKILL.md
$ npx degit Gitruck/cli/skills/gtrk-transcript ~/.claude/skills/gtrk-transcriptInstall the gtrk-transcript skill in Claude Code (project)
.claude/skills/gtrk-transcript/SKILL.md
$ npx degit Gitruck/cli/skills/gtrk-transcript .claude/skills/gtrk-transcriptInstall the gtrk-transcript skill in Codex
~/.agents/skills/gtrk-transcript/SKILL.md
$ npx degit Gitruck/cli/skills/gtrk-transcript ~/.agents/skills/gtrk-transcriptInstall the gtrk-transcript skill in Gemini CLI
~/.gemini/skills/gtrk-transcript/SKILL.md
$ npx degit Gitruck/cli/skills/gtrk-transcript ~/.gemini/skills/gtrk-transcriptInstall the gtrk-transcript skill in Claude.ai
npx degit Gitruck/cli/skills/gtrk-transcript gtrk-transcript && zip -r gtrk-transcript.zip gtrk-transcript # claude.ai → Customize → Skills → + → Create skill → Upload a skill → gtrk-transcript.zip
SKILL.md
View on GitHubgtrk 视频/音频转文字稿
飞书使用教程统一入口:gtrk CLI 使用教程。
本 Skill 驱动一级命令 gtrk transcript,最终只交付一个 Markdown:总结、带 [00:01:23] 时间戳的可读文字记录、完整纯文本。
音频输入与 transcript.json(自备配音时码化兜底)
- 输入白名单已放开音频:wav/mp3/flac/m4a/aac/ogg 等本地音频文件可直接转写(音频无「抽音频」步——已是音频,仍本地转 16k 单声道后只传转码衍生物,原文件不动)。
--json除机读 stdout 外另产<名>-transcript.json(utterances[]{id,text,st,ed}+material_id+text_hash+duration,结构与gtrk split消费契约逐字段对齐);结果 JSON 的transcriptJson字段给出路径,可直接被gtrk project init --audio <配音> --transcript <该文件>兜底路消费。- 定位注记(MUST 遵守):TTS 主路勿走本零件——
gtrk tool audio_tts_clone产的配音自带句级 segments(时码直出、零成本零误差),建工程直接gtrk project init --tts-task <task_id>;对 TTS 产物再跑一遍 ASR 转写=重复计费零收益。本零件只服务自备配音(用户自录旁白等无时码音频)场景。
硬边界
产物落点纪律(MUST · 全文见随包
AGENT.md同名一节):唯一 Markdown 产物写入 CLI 返回的output路径(缺省=源文件同目录)或用户指定的--out;引用媒体用原路径,不复制到 agent 工作目录;临时文件放系统 temp,用完即删。 交付物 MUST NOT 先写 agent 自有目录再拷进工程;中转本身即违规,体积不是豁免理由。
- 只接收用户电脑上已存在的视频/音频文件;遇到 URL、平台视频 ID 或“帮我下载后转写”时,要求用户先提供本地文件,不代为抓取。
- CLI 在本地抽取/转码 16 kHz 单声道音频,只上传音频衍生物;原视频/原音频文件不得上传。
- 最终只保留 CLI 返回的产物:一个 Markdown(
--json时另有 CLI 自产的<名>-transcript.json),不另建总结、字幕、TXT 或 HTML 文件。 - 没有可靠的说话人分离数据时,不得编造“说话人 1/2”等标签。
- 价格必须以本次 CLI 从官网价格表得到的实时提示为准,不写死金额、不凭记忆报价。
工作流
-
确认用户给的是本地视频路径;需要时再接受输出文件路径或识别语言。
-
先判用途,再决定带不带
--json。这一步 MUST NOT 跳过,也 MUST NOT 无脑恒带。--json不是单纯的输出格式开关,它决定服务端用哪个引擎:用途 命令 落腿 只要一份能读的文字稿(默认,含「转文字/提取文稿/出妙记/整理成文档」) 不带 --json自部署引擎 + 服务端纠错,句级时码 产物要喂工程( project init兜底路 /split拆分 /subtitle字幕按语音贴时间)带 --json厂商字级腿, utterances[].words[]承载字级# 默认:只要文字稿 gtrk transcript "D:/素材/采访视频.mp4" --out "D:/素材/采访视频-transcript.md" # 要喂工程时才加 --json gtrk transcript "D:/配音/旁白.mp3" --json可选参数:
--out <file>、--lang zh-CN、--ffmpeg-path <dir>、--reupload。🔴 恒带
--json会把只想要文字稿的请求也送进厂商字级腿,且 Markdown 不消费words[]。拿不准就不带:真需要字级时,消费方(split/subtitle) 会明确报错要words[],那时补跑一次即可;反过来多付的钱收不回来。 用户明确说「要建工程 / 要拆分 / 要字幕」才算「喂工程」;只说「转个文字稿」不算。 -
取产物路径,分两种形态:
- 带
--json:解析 stdout 的唯一 JSON。仅当ok:true时继续;保存taskId、output、transcriptJson(句级时码稿路径,建工程时交给gtrk project init --transcript),并检查summaryPending:true。 人读进度在 stderr,不要把日志当成结果 JSON。 - 不带
--json:stdout 末尾是人读行带时码文字稿已生成:<路径>,没有结果 JSON。 ⇒ 优先显式传--out,这样路径由你指定、无需从日志里抠;缺省路径是<源文件同目录>/<源文件名>-transcript.md。 判成功用退出码 + 产物文件存在且非空,MUST NOT 只看日志里有没有那行字。 此形态下summaryPending恒为真(Markdown 里的<!-- gtrk:agent-summary-pending -->就是判据), 且不产transcript.json。
- 带
-
完整读取
output指向的 Markdown,必须覆盖完整转写内容,不能只看开头几段。 -
若
summaryPending:true,只编辑## 总结与## 文字记录之间的内容:删除<!-- gtrk:agent-summary-pending -->及提示语,写入 3–7 条忠于原文的语义要点。不得改动## 文字记录和## 纯文本,不得创建第二个文件。 -
写回后验证:
## 总结、## 文字记录、## 纯文本各出现一次且顺序正确;gtrk:agent-summary-pending已消失;- 时间戳文字记录和纯文本仍完整;
- 返回用户的路径仍是第 3 步拿到的同一个产物路径(带
--json时是结果 JSON 的output, 不带时是你传的--out或那条缺省路径)——MUST NOT 换成副本或新建文件。
总结标准
- 提炼主题、关键论点或事实、重要数字/人名和结论;合并重复内容。
- 总结应是对全文的压缩,不要只复述第一句或按时间线逐段抄写。
- 只使用转写中能确认的信息;含混或缺失处保持克制,不补充常识性猜测。
- 不在正文中添加服务商、底层 ASR、计费实现等用户未要求的技术说明。
失败处理
- 缺 API Key:引导运行
gtrk init,不要无效重试。 - 输入是 URL 或远端资源:停止执行,要求用户提供本地视频文件。
- ASR 没有可用文字:如实报告失败,不生成虚假总结或空白成品。
- 云任务失败:报告 CLI 返回的错误与
taskId(若有),不要把失败包装成完成。 - 实时价格暂不可用:说明最终以服务端结算为准;不要引用旧价格。
Files in this skill
2gtrk-transcript skill questions
How do I install the gtrk-transcript skill in Claude Code?
Run npx degit Gitruck/cli/skills/gtrk-transcript ~/.claude/skills/gtrk-transcript. Claude Code loads skills from ~/.claude/skills (all projects) or .claude/skills (one project) and uses a skill when its description matches the task.
Which clients can use the gtrk-transcript skill?
Any client that reads the Agent Skills format: Claude Code, Codex, Gemini CLI and claude.ai (upload as a ZIP). Scripts in the skill run only where the client allows code execution.