Archived

This repository has been archived on 2026-02-15. You can view files and clone it. You cannot open issues or pull requests or push a commit.

Files

T

starmen1265 1fa90ac21c 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

2026-02-13 11:30:59 +08:00

1.2 KiB

Raw Blame History

2026-02-13 语音识别工作记录

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

Passwordless Sudo 配置成功

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

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

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

当前环境

whisper.cpp: ~/whisper.cpp
whisper 模型: ggml-base.bin
kb-whisper 脚本: skills/kb-whisper/whisper.py

1.2 KiB Raw Blame History Unescape Escape