captions

核心用法

Captions技能通过TranscriptAPI.com接口提取YouTube视频的隐藏字幕(CC)和自动字幕。用户需提供YouTube视频URL或ID，可配置输出格式（JSON结构化/纯文本）、是否包含时间戳、是否返回视频元数据。

典型工作流程：
1. 检查环境变量TRANSCRIPT_API_KEY，未设置时引导用户完成注册（邮箱+OTP验证）
2. 调用GET /api/v2/youtube/transcript 获取字幕数据
3. 根据场景返回JSON格式（带时间戳，适合同步显示）或纯文本格式（适合阅读）

显著优点

• 无障碍优先：明确标注为聋人/听障人士(HoH)设计，支持精确时间同步
• 多语言支持：可提取视频可用的任意语言字幕
• 低成本入门：100免费积分/月，无信用卡门槛，适合轻度用户
• 灵活输出：JSON格式便于程序化解析，text格式便于人工阅读
• 元数据丰富：可选返回标题、作者、缩略图等辅助信息

潜在缺点与局限性

• 商业依赖：核心功能完全依赖第三方服务TranscriptAPI.com，无本地/开源替代方案
• 配额限制：免费档仅100积分（=100次请求），高频使用需付费
• 覆盖盲区：部分视频无字幕或禁用CC（返回404错误）
• 网络依赖：API超时(408)需重试，稳定性受第三方服务影响
• 注册摩擦：需邮箱验证+OTP，自动化场景难以完全无感配置

适合人群

• 聋人/听障用户获取视频可访问性支持
• 研究人员、记者引用视频原话内容
• 翻译工作者获取待翻译文本
• 内容创作者进行竞品字幕分析

常规风险

• 隐私泄露：邮箱和密码在CLI脚本中传递，虽有--json输出但历史记录可能留存敏感信息
• API密钥管理：脚本自动保存密钥到环境，多用户共享机器时存在越权访问风险
• 服务中断：第三方服务故障或下线将导致技能完全失效
• 版权敏感：提取的字幕可能受原视频版权保护，商用需谨慎

核心用法

captions Skill 用于从 YouTube 视频提取隐藏式字幕（CC），底层调用 TranscriptAPI.com 服务。用户需提供 TRANSCRIPT_API_KEY 环境变量，首次使用需通过内置脚本完成注册（邮箱+OTP 验证）并自动配置密钥。

基本调用流程：
1. 检查环境变量 → 引导用户注册 → 生成并保存 API Key
2. 执行 GET /api/v2/youtube/transcript，传入视频 URL 或 ID
3. 返回结构化 JSON（含时间戳）或纯文本格式

关键参数：

• format=json：返回结构化数据，含 start（秒）、duration、text，适合字幕同步工具
• format=text：人类可读格式，可选 include_timestamp=false 获取干净文本
• send_metadata=true：附带视频标题、作者、缩略图信息

显著优点

• 无障碍友好：专为 deaf/HoH（听障/重听）场景设计，支持带时间戳的字幕输出，可直接对接辅助工具
• 多语言支持：自动提取视频可用字幕轨道，覆盖自动生成的 CC 和手动上传字幕
• 零依赖实现：代码仅使用原生 Node.js 模块，无第三方包引入供应链风险
• 清晰定价：免费层 100 credits，付费后 300 req/min 速率限制透明
• 输入验证完善：邮箱格式检查、临时邮箱拦截，无 SQL/命令注入漏洞

潜在缺点与局限性

• 外部服务强依赖：所有功能捆绑 TranscriptAPI.com，服务宕机或域名劫持将完全失效
• Shell 配置侵入性：save-key 命令会修改 ~/.zshenv、~/.bashrc、PowerShell 配置文件等，虽为功能必需，但存在配置污染风险
• Agent 配置写入：修改 ~/.clawdbot/moltbot.json 等运行时配置，理论上可能影响其他 Skill
• 字幕质量参差：自动生成的 YouTube CC 准确率因视频而异，专业术语、口音视频误差较大
• 无离线能力：必须联网调用 API，无法本地解析视频文件

适合人群

| 场景 | 说明 |

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

| 内容创作者 | 快速获取视频原稿进行引用、二次创作或翻译 |

| 听障用户 | 将视频语音转为带时间戳的可读文本 |

| 研究人员 | 批量提取访谈、讲座视频文本进行分析 |

| 翻译工作者 | 获取源语言字幕作为翻译基底 |

| 无障碍开发者 | 集成字幕数据到辅助阅读工具 |

常规风险

• 配置文件风险（低危）：Shell 配置文件被修改后，若 Skill 代码遭篡改可能注入恶意命令。建议执行前审查 scripts/tapi-auth.js，确认仅写入 export TRANSCRIPT_API_KEY 格式
• 密钥泄露风险（中危）：--json 输出包含明文 API Key，可能留存于终端历史或日志。建议及时清理 ~/.bash_history 等
• 服务连续性风险（中危）：TranscriptAPI 为商业 SaaS，免费额度耗尽或账户异常将中断服务。关注 /billing 页面余额
• 隐私数据出境：视频 URL、请求元数据发送至第三方服务器，敏感内容需评估合规性

使用建议

1. 首次配置前备份 ~/.zshenv、~/.profile 和 Agent 配置文件
2. 定期审查 Shell 配置，确认无异常导出语句
3. 敏感视频优先使用 format=text 减少元数据暴露
4. 生产环境建议订阅付费计划避免 402 额度耗尽错误