From c24889ffa5f7391736e9be1c64998bb8d5f4907c Mon Sep 17 00:00:00 2001
From: starmen1265 <starmen1265@163.com>
Date: Fri, 13 Feb 2026 09:04:37 +0800
Subject: [PATCH] =?UTF-8?q?docs:=20=E6=9B=B4=E6=96=B0=E5=BE=85=E5=8A=9E?=
 =?UTF-8?q?=E5=92=8C=E5=86=85=E5=AD=98=E8=AE=B0=E5=BD=95?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- 添加 Whisper 编译任务
- 记录 KB Workflow 优化内容
---
 TODO.md              | 12 ++++-----
 memory/2026-02-13.md | 64 +++++++++++++++++++++++++++-----------------
 2 files changed, 46 insertions(+), 30 deletions(-)

diff --git a/TODO.md b/TODO.md
index 28ebc5e..6d6ff7b 100644
--- a/TODO.md
+++ b/TODO.md
@@ -19,12 +19,12 @@
   - 配置命令: `openclaw config set channels.wecom.voice.type "aliyun"`
 
 ### 字幕增强方案（待实现）
-- [ ] **视觉大模型方案** - 用API识别视频帧中的字幕
-  - 可选模型：GPT-4V / Claude Vision / GLM-4V / 通义千问VL
-  - 流程：视频帧图片 → 视觉大模型 → 识别文字 → 输出字幕
-- [ ] **语音识别(ASR)方案** - 用ASR模型提取音频字幕
-  - 可选模型：Whisper / 讯飞ASR / 阿里云ASR
-  - 流程：视频 → 提取音频 → ASR模型 → 字幕文件(.srt/.lrc)
+- [ ] **编译 Whisper.cpp** - 需要 sudo 权限
+  - 命令: `sudo apt-get install cmake && cd ~/whisper.cpp && make`
+  - 替换 FunASR，获得更好的中文识别效果
+- [x] ~~语音识别(ASR)方案~~ - 已完成基础功能
+  - FunASR 备用方案已可用
+  - Whisper 编译完成后可提升准确率
 
 ---
 
diff --git a/memory/2026-02-13.md b/memory/2026-02-13.md
index fa8c504..69543d3 100644
--- a/memory/2026-02-13.md
+++ b/memory/2026-02-13.md
@@ -1,32 +1,48 @@
 # 2026-02-13
 
-## 项目状态
+## 视频音频转文字方案检查
 
-### GPG 与 Git 推送
-- ~~GPG 签名~~ → **改用 SSH**
-- **SSH 推送**: ✅ 成功！
-- 最新提交: `2adc3c1 docs: 更新每日记录`
+### 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
 
-### Whisper 替代 OCR 方案
-- **决策**: 新增 `kb-whisper` 技能，异步执行
-- **原因**: 语音处理耗时，不阻塞主代理，支持并行讨论
-- **输出格式**: JSON(时间戳) + SRT + TXT
-- **状态**: ✅ 安装完成，技能创建完成
+### 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
 
-### 待清理文件
-- `bilibili_BV1Z9nXzUEhv_720p_frames/`
-- `whispercpp.zip`
+### 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
 
-## 今日完成
+---
 
-| 任务 | 状态 |
-|------|------|
-| whisper.cpp 安装 | ✅ 完成 |
-| kb-whisper 技能创建 | ✅ 完成 |
-| SSH 推送 | ✅ 成功 |
+## Whisper.cpp 迁移与模型下载
 
-## 待办
-- [ ] 清理临时文件
-- [ ] 下载中文模型 (需代理)
-- [ ] 测试 Whisper 转写效果
-- [ ] kb-workflow 集成 kb-whisper
+### 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