openclaw-skills/memory/2026-02-13.md

2026-02-13

视频音频转文字方案检查

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

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

---

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