video2txt 技能

---

name: video2txt

description: 将本地视频或音频文件转写为 SRT 字幕文件和 TXT 纯文本文件

metadata: { "openclaw": { "emoji": "video", "requires": { "bins": ["python3"] } } }

---

# video2txt 技能

描述

将本地视频或音频文件转写为 SRT 字幕文件和 TXT 纯文本文件。

功能

​ 使用场景：

1. 需要读取视频内容或理解视频时

使用方法

基本命令

python video_to_text.py --input <视频/音频文件路径>

注意事项

示例

# 基本用法
python video_to_text.py --input "D:\videos\meeting.mp4"

# 指定输出目录
python video_to_text.py --input "D:\videos\meeting.mp4" --output-dir "D:\captions"

# 指定输出路径
python video_to_text.py --input "D:\videos\meeting.mp4" --output-path "D:\captions\meeting_result"

# 指定语言和模型
python video_to_text.py --input "D:\videos\meeting.mp4" --language zh --model-size small

参数说明

| 参数 | 说明 | 默认值 |

|------|------|--------|

| `--input` | 输入文件路径（必需） | - |

| `--output-dir` | 输出目录 | 输入文件目录 |

| `--output-path` | 输出文件基础路径 | - |

| `--model-dir` | 模型下载目录 | 当前目录/models |

| `--model-size` | Whisper 模型大小 | base |

| `--language` | 识别语言 (auto/zh/en) | zh |

| `--device` | 推理设备 (cpu/cuda) | cpu |

| `--compute-type` | 计算类型 | int8 |

| `--beam-size` | 解码束大小 (1-5) | 2 |

| `--no-vad-filter` | 禁用 VAD 过滤 | false |

依赖

安装

1. 确保 Python 3.11 或 3.12 环境

2. 安装依赖：`python -m pip install -r requirements.txt`

3. 首次运行会自动下载 Whisper 模型到 models 目录

输出文件

注意事项