captions

核心用法

Captions技能通过TranscriptAPI服务，为AI代理提供YouTube视频字幕提取能力。用户粘贴视频链接后，系统自动获取带时间戳的字幕数据，支持JSON结构化输出（适合同步显示、时间分析）或纯文本格式（便于阅读）。关键参数包括format（输出格式）、include_timestamp（是否保留时间戳）、send_metadata（返回视频元数据）。

显著优点

1. 广泛兼容性：支持任何YouTube视频链接或ID，自动识别可用字幕（包括自动生成字幕）
2. 无障碍友好：明确设计面向听障人士（deaf/HoH）、语言学习者及内容审核场景
3. 零依赖部署：仅需网络连接和API密钥，无需额外运行时
4. 灵活输出：JSON格式便于程序化处理，文本格式适合直接阅读
5. 免费入门：100积分免费额度，无需信用卡

潜在缺点与局限

• API依赖：完全依赖第三方TranscriptAPI服务，若服务中断则不可用
• 无字幕即失败：404错误表示视频未启用字幕，无法获取
• 积分消耗：每请求消耗1积分，高频使用需付费
• Cloudflare防护：User-Agent头缺失或格式错误将导致403阻断
• 无上传功能：仅限提取，不支持字幕编辑或上传

适合人群

• 听障/重听用户需视频文字化访问
• 语言学习者需对照原文与翻译
• 研究人员做视频内容分析、引用验证
• 内容审核员需快速扫描视频台词
• 开发者构建视频摘要、问答等下游应用

常规风险

• API密钥泄露：TRANSCRIPT_API_KEY需安全存储，泄露可能导致积分被盗用
• 隐私考量：部分视频字幕可能包含敏感信息，提取后需合规处理
• 翻译准确性：自动生成字幕质量参差，关键场景建议人工校验
• 服务连续性：第三方API存在变更定价或终止服务的可能

核心用法

Captions 是一个纯文档型 Skill，用于调用 TranscriptAPI 服务获取 YouTube 视频的字幕数据。用户需提供 TRANSCRIPT_API_KEY（可在 transcriptapi.com 免费注册，含 100 credits），通过标准 HTTP GET 请求获取字幕。

API 端点：GET https://transcriptapi.com/api/v2/youtube/transcript

关键参数：

• video_url: YouTube 链接或视频 ID（必填）
• format: json（结构化，带时间戳）或 text（纯文本）
• include_timestamp: 是否包含时间戳
• send_metadata: 是否返回视频元数据

必须请求头：

• Authorization: Bearer $TRANSCRIPT_API_KEY
• User-Agent: YourAgent/1.0（Cloudflare 会拦截无 User-Agent 的请求）

显著优点

1. 零依赖部署：纯 Markdown 文档，无第三方代码包，无运行时环境要求
2. 双格式输出：JSON 格式适合开发者做时间同步、无障碍工具；纯文本适合阅读、翻译
3. 元数据完整：可获取标题、作者、缩略图等信息
4. 成本友好：免费 tier 提供 100 credits，足够个人轻度使用
5. 无障碍优先：明确支持 deaf/HoH（听障）用户场景

潜在缺点与局限性

• 外部服务依赖：完全依赖 TranscriptAPI 的可用性与定价策略，存在服务中断风险
• API 配额限制：免费 100 credits 约对应 100 次请求，高频使用需付费
• 字幕质量参差：自动生成的字幕可能存在错误，部分视频无字幕时返回 404
• 无离线能力：必须联网，无法本地处理已下载视频
• 无上传功能：仅支持提取，不支持编辑或上传字幕

适合人群

• 听障/重听用户（deaf/HoH）需要文字化视频内容
• 语言学习者需要对照原文与翻译
• 内容创作者做视频分析、引用、二次创作
• 研究者进行视频文本挖掘、话题分析
• 开发者构建无障碍工具或视频摘要应用

常规风险

• API Key 泄露风险：若将 key 硬编码或提交至公共仓库，可能导致配额被盗用
• Cloudflare 拦截：User-Agent 缺失或格式不当会触发 403/1010 错误
• 服务连续性：第三方 API 可能变更定价、限制或停止服务
• 版权合规：提取的字幕仍受原视频版权保护，商用需注意授权

建议用户将 API Key 配置于环境变量，定期检查配额使用情况，并关注 TranscriptAPI 的服务状态公告。