讓 Claude Code 學會把影片變逐字稿
本地預處理 + Groq Whisper 完整指南

幫我建一個叫 transcribe-video 的 Claude Code Skill，放在 ~/.claude/commands/transcribe-video.md。 內容用以下流程： # transcribe-video 把一支影片轉成繁體中文逐字稿。整理方式由用戶決定，預設只給純逐字稿、不自動加工。 ## 使用方式 - `/transcribe-video <影片路徑>` — 跑預設流程（純逐字稿） - `/transcribe-video <影片路徑> 整理成會議記錄` — 一次指定整理方式 - 或直接說「幫我轉這支影片：<路徑>」、跑完會問我要不要整理 ## 流程 ### Step 1 影片轉壓縮音訊 用 ffmpeg 把影片轉成 32kbps 單聲道 16kHz mp3、去除開頭結尾靜音、防止 Whisper 幻聽。 輸出到跟影片同目錄、檔名加 `_audio.mp3`： ```bash ffmpeg -i <影片路徑> -vn \ -af "silenceremove=start_periods=1:start_duration=0.5:start_threshold=-40dB,areverse,silenceremove=start_periods=1:start_duration=0.5:start_threshold=-40dB,areverse" \ -acodec libmp3lame -ab 32k -ar 16000 -ac 1 <影片路徑>_audio.mp3 -y ``` ### Step 2 Groq Whisper 轉逐字稿 用 Python 跑 Groq API、模型用 `whisper-large-v3-turbo`、語言 zh、prompt 簡短帶關鍵詞。 失敗時指數退避重試 3 次（5s → 15s → 45s）： ```python from groq import Groq import os, time client = Groq(api_key=os.environ["GROQ_API_KEY"]) for attempt in range(3): try: with open("audio.mp3", "rb") as f: result = client.audio.transcriptions.create( file=("audio.mp3", f.read()), model="whisper-large-v3-turbo", language="zh", prompt="繁體中文。常用詞：<這邊填你常用的人名/品牌/術語>", response_format="text" ) break except Exception as e: if attempt < 2: time.sleep(5 * (3 ** attempt)) else: raise open("transcript.txt", "w").write(result) ``` ### Step 3 後處理（看用戶要什麼） 拿到逐字稿後，**先存純文字版** `transcript.txt`，再決定要不要整理。 如果用戶在原始指令就有指明整理方式（例：「整理成 Podcast 章節」），直接跑對應整理。 如果沒指明，回報「逐字稿轉好了（X 字、Y 分鐘）。檔案在：transcript.txt」+ 問選單： ``` 要怎麼處理這份逐字稿？ A. 不用整理，純逐字稿就好（補基本標點 + 切段，不改詞） B. 切話題段落（按主題切、加小標、不改內容） C. 整理成會議記錄（重點 / 決議 / 待辦 / 問題 / 下次行動 5 段） D. 整理成 Podcast 章節（每段時間 + 標題 + 重點 bullet） E. 整理成部落格草稿（抓金句、改成書面語、加標題） F. 抓重點 + 金句（單純 bullet list 給社群貼文用） G. 我自己描述要什麼（直接跟我說） ``` 整理完的版本另存 `transcript_<整理方式>.md`、不覆蓋原始 `transcript.txt`。 ## 規則 - 整理時不憑空加事實、只能根據逐字稿內容寫 - 音訊 > 25MB 提醒我可能要切段或升級 Groq 帳號 - 開頭有大段靜音、提醒我可能 Whisper 開頭有遺漏 - 用戶沒指明整理方式時、不要自己猜、要先問選單 建好以後跟我說「Skill 已就緒」我才會丟第一支影片給你測試。