Y05 音视频转写集成技术标准

一、定位与适用域

本标准定「视频/音频 → 文字稿 → （按需）结构化摘要」链路的安装、调用、质量与验证口径，适用于全台式机（Windows · CPU · 无显卡）环境。不定云端付费转写（guaikei 等另案）。

二、依赖清单与安装口径（唯一真源口径）

1. 一律装隔离 venv：C:\Users\xub\.workbuddy\binaries\python\envs\default，禁全局 pip。
2. 四件套（2026-09-28 实测版本）：
   - torch 2.14.0（CPU 版，pip 默认即 CPU）
   - openai-whisper 20250625（提供 whisper 命令）
   - imageio-ffmpeg 0.6.0（自带 ffmpeg 二进制）
   - ffmpeg.exe：从 imageio_ffmpeg.get_ffmpeg_exe() 复制到 venv Scripts\ffmpeg.exe
3. PATH 口径：transcribe.py 用 shutil.which 找 ffmpeg/whisper，运行时必须把 venv Scripts\ 置于 PATH。
4. 安装验证判据：shutil.which('ffmpeg') 与 shutil.which('whisper') 双双非空，缺一即安装未完成。

三、网络铁律

• HF 直连不通（实测 502），模型下载必须设 HF_ENDPOINT=https://hf-mirror.com（镜像实测可达）。
• PyPI 直连可达。首次运行 whisper 自动经镜像下模型（small ≈ 466MB），模型缓存后复跑不再下载。

四、模型口径

五、调用口径

export PATH="C:/Users/xub/.workbuddy/binaries/python/envs/default/Scripts:$PATH"
export HF_ENDPOINT="https://hf-mirror.com"
"$PY" "$SKILL/scripts/transcribe.py" --file "<视频路径>" --model small --lang zh --out "<输出.txt>"

• 多支视频逐支转写，单支失败单独列原因、不中断其余。
• 输出落盘 _转写\ 子目录，文件名＝视频名＋_转写.txt；转完报每支字数与耗时。

六、质量分级与校对判据

1. 转写稿用途分级：随手看（small 直出）／入库素材（small＋人工校对，或 medium 重转后再校）。
2. 校对优先扫高频规律错字（专名、近音词），再核关键句（标题句/结论句）。
3. 摘要须标注转写引擎与质量等级；small 产稿不得在未校对状态直接标注为"定稿"。

七、集成登记（真源指针）

• 技能本体：V1.1.0_lihengbian_DIY_智能摘要\SKILL.md V1.2.0（2026-09-28）——触发词补「视频转文档／转文字稿／音视频转写」；实测状态节更新；执行环境示例路径修正。
• 技能目录名沿用 V1.1.0 旧名不变（宿主注册稳定），本体版本以 frontmatter 为准。
• 本标准为该链路的唯一集成口径；SKILL.md 与本标准冲突时，以本标准为准（先报炳哥再改）。

八、升版与对账规则

• 依赖版本变更、模型档位增删、镜像地址变更 → 本标准升 minor；调用脚本 transcribe.py 接口变更 → 同步核对 SKILL.md 第五节。
• 每次升版须同步：SKILL.md 实测状态节、本标准沿革、sync_disks.py 两盘同步（见九）。

九、两盘同步

• 本标准与技能升版均触发布送盘派生铁律：收尾前跑 C:\Users\xub\.workbuddy\_tools\sync_disks.py，并抽验发布盘对应文件与权威库一致。不过不收工。

十、沿革

• V1.0.0（2026-09-28）：初版立标。实测锚点：3 支中文 mp4（83/56/45MB）whisper small/zh 全部转写成功，共 3425 字；视频1 含模型首下 826s，视频2/3 缓存后 117s/142s。