video-script-extractlisted
Install: claude install-skill yanghhu/miragea-voiceover-skills
# 视频文案提取
「视频文案提取」是一个把本地视频或音频里的口播变成可编辑文稿的 Agent 技能:识别语音,输出 TXT 文字稿、SRT 字幕和按句拆好的改写表;你改写成原创文案后,再用自己克隆的音色重新配音,本地无需显卡。
## 一句话定义
视频文案提取 = 本地视频 / 音频 → `video_copy.py extract` 识别语音 → `transcript.txt`(文字稿)+ `transcript.srt`(时间轴字幕)+ `rewrite.md`(按句拆好的改写表)→ 你把每句改成自己的原创表达 → `video_copy.py revoice rewrite.md` 用自己克隆的音色重新配音 → `voiceover.wav` + `voiceover.srt`。
## 适用人群与场景
| 谁在用 | 典型场景 |
|---|---|
| 口播博主 | 自己拍的口播视频只剩成片,想把口播稿还原出来改版、做系列或换一种说法重发 |
| 课程 / 培训讲师 | 录好的讲课音频整理成文字讲义,再把讲稿修订后重新配音 |
| 采访 / 播客作者 | 访谈录音转文字稿,摘出金句和要点 |
| 会议组织者 | 会议录音转成文字,作为纪要初稿再人工整理 |
| 短视频运营 | 复盘自己账号里表现好的视频,提取文案结构,写出新选题的原创脚本 |
| 字幕制作 | 已有视频只缺字幕,直接要 SRT |
本技能只处理你本人拥有或已获授权的本地音视频文件,不抓取平台链接,不照搬他人文案。和本系列其他技能的分工:字幕生成只管识别出 SRT;AI配音只管文稿转语音;**视频文案提取把两头接起来**:识别 → 按句改写表 → 重新配音。
## 能力一览
| 项目 | 说明 |
|---|---|
| 输入 | 本地视频或音频文件(`recognize` 接口接受的格式、大小以 `capabilities` 实时返回为准) |
| 识别 | 调用客户端 `recognize`,分别取 `srt` 和 `txt` 两种结果 |
| 输出 | `transcript.txt`、`transcript.srt`、`rewrite.md` |
| 改写表 | 文字稿按句拆开,每句原文放在 HTML 注释里,下面一行 `[主播] ` 留给你写改写后的句子 |
| 重新配音 | `revoice` 把填好的 `rewrite.md` 交给 `scripts/voiceover.py`,用账号角色(`voice=角色名称` 或 `actor_id`)逐句配音,拼成 `voiceover.wav` 并输出 `voiceover.srt`、`manifest.json` |
| 本地依赖 | Python 3.9+ 标准库,无需显卡;`--dry-run` 用内置示例文稿,不需要 Key、不调用接口 |
## 快速开始
识别和配音都调用 Miragea 开放 API,需要一个 API Key(https://miragea.ai/workspace/api 生成,只放环境变量,不要贴进聊天)。重新配音还需要你在 https://miragea.ai 用本人录音克隆好的音色。
```bash
python3 scripts/video_copy.py selftest # 离线自检
python3 scripts/video_copy.py extract -o out --dry-run