feat(bilibili): 使用 yt-dlp 替换原有下载方案
- 重写 download_video 使用 yt-dlp + Netscape cookie 文件 - 支持 BILIBILI_COOKIE 环境变量 - 更新默认质量为 720P - 更新 SKILL.md 文档 环境变量已在 ~/.bashrc 中配置
This commit is contained in:
+30
-42
@@ -1,48 +1,36 @@
|
||||
# 2026-02-13
|
||||
# 2026-02-13 语音识别工作记录
|
||||
|
||||
## 视频音频转文字方案检查
|
||||
## 目标
|
||||
整合说话者分离(speaker diarization)到 kb-whisper 工作流,替换 OCR 为 Whisper 视频转文字
|
||||
|
||||
### 方案组件
|
||||
- **kb-whisper**: Whisper.cpp 本地语音识别
|
||||
- **kb-funasr**: 阿里 FunASR 本地语音识别
|
||||
## Passwordless Sudo 配置成功
|
||||
```bash
|
||||
sudo visudo -f /etc/sudoers.d/nopasswd
|
||||
# 内容:starmen1265 ALL=(ALL) NOPASSWD: ALL
|
||||
sudo chmod 0440 /etc/sudoers.d/nopasswd
|
||||
sudo visudo -c # 验证:parsed OK
|
||||
```
|
||||
|
||||
### 发现
|
||||
- 两个工具都直接支持视频文件输入
|
||||
- 内部自动通过 ffmpeg 处理音频提取和格式转换
|
||||
- 无需单独的视频→音频提取步骤
|
||||
## 降级操作(解决兼容性问题)
|
||||
| 库 | 从 | 到 | 原因 |
|
||||
|---|---|---|---|
|
||||
| torch | 2.10.0 | 2.8.0 | speechbrain 需要旧 API |
|
||||
| torchaudio | 2.10.0 | 2.8.0 | speechbrain 需要 list_audio_backends() |
|
||||
| NumPy | 2.x | 1.26.4 | pyannote 3.1.1 需要 |
|
||||
| huggingface_hub | 1.4.1 | 0.19.4 | pyannote 3.1.1 需要 use_auth_token |
|
||||
| pyannote.audio | 4.0.4 | 3.1.1 | 4.x 与 torch 2.10 兼容性问题 |
|
||||
|
||||
### 待确认事项
|
||||
- whisper.cpp 是否已安装(应位于 ~/whisper.cpp)
|
||||
- CUDA/PyTorch 相关包(torch-2.10.0, torchaudio-2.10.0)已安装完成
|
||||
## 用户指令
|
||||
- 只允许修改 `speaker_diarization.py` 中的 segmentation 配置
|
||||
- 停止所有其他修改
|
||||
- 暂停说话者分离工作
|
||||
|
||||
---
|
||||
## 下一步
|
||||
- 使用已有的 kb-whisper 方案(Whisper.cpp)
|
||||
- 暂停说话者分离(speaker diarization)
|
||||
- 等待后续指令
|
||||
|
||||
## Whisper.cpp 迁移与模型下载
|
||||
|
||||
### 执行操作
|
||||
- whisper.cpp 原位于 `~/libs/whisper.cpp`
|
||||
- 移动到默认位置 `~/whisper.cpp`
|
||||
- 使用 hf-mirror 下载中文模型 ggml-base.bin(147MB)
|
||||
|
||||
### Whisper 编译受阻
|
||||
- 需要 cmake 编译 whisper.cpp
|
||||
- 执行 `make` 报错:cmake 未安装
|
||||
- 需要 sudo 权限安装 cmake(当前环境不支持)
|
||||
|
||||
---
|
||||
|
||||
## KB Workflow 优化
|
||||
|
||||
### 修改内容
|
||||
- 步骤5:从 OCR(kb-ocr-processor)切换为 Whisper(kb-whisper)
|
||||
- 移除了 content_subtitles 目录(不再需要)
|
||||
- 输出格式更新为 `{platform}_{id}.txt` 和 `{platform}_{id}.json`
|
||||
|
||||
### 测试视频
|
||||
- 视频:新加坡分区漫游指南(BV1Z9nXzUEhv)
|
||||
- 由于 Whisper 未编译,临时使用 FunASR 完成语音识别
|
||||
- 分析报告已生成并归档
|
||||
|
||||
### 待办
|
||||
- 编译 whisper.cpp:`cd ~/whisper.cpp && make`
|
||||
- 需要手动执行 sudo apt-get install cmake
|
||||
## 当前环境
|
||||
- whisper.cpp: ~/whisper.cpp
|
||||
- whisper 模型: ggml-base.bin
|
||||
- kb-whisper 脚本: skills/kb-whisper/whisper.py
|
||||
|
||||
Reference in New Issue
Block a user