captions

核心用法

Captions skill 通过 TranscriptAPI.com 服务提取 YouTube 视频的字幕（CC/closed captions）。支持两种输出格式：JSON结构化数据（含精确时间戳，适合无障碍工具同步）或纯文本（便于阅读）。需配置 TRANSCRIPT_API_KEY，注册流程包含邮箱验证，提供100次免费额度。

显著优点

• 无障碍友好：精确时间戳支持听障人士同步阅读，也可用于内容审查与学术引用
• 多语言支持：可提取自动或手动上传的多语言字幕
• 零门槛试用：无需信用卡，100 credits 免费起步
• 灵活输出：JSON适合程序化使用，text适合人工阅读

潜在局限

• 依赖第三方API：TranscriptAPI.com 为商业服务，超出免费额度需付费
• 字幕可用性受限：404错误表示视频未开启字幕，无法提取
• 速率限制：300 req/min 对高频批量处理可能不足
• API Key 管理：需用户手动完成注册、验证、密钥保存流程

适合人群

• 听障/重听（HoH）用户获取视频内容
• 研究人员、记者需要引用视频原文
• 翻译工作者提取源文本
• 内容审核者快速浏览视频要点

常规风险

• 网络超时（408）需重试机制
• 免费额度耗尽后服务中断
• 依赖外部服务稳定性，存在单点故障风险

核心用法

Captions 通过 TranscriptAPI.com 从 YouTube 视频提取字幕/转录文本。用户需提供视频 URL 或视频 ID，可选 JSON（结构化，带时间戳）或 text（纯文本）格式输出。认证流程支持自动化脚本注册（100 免费积分，无需信用卡）或手动获取 API Key。

关键参数：

• video_url: YouTube 链接或视频 ID（必需）
• format: json（默认，含 start/duration 字段）或 text
• include_timestamp: 控制时间戳输出
• send_metadata: 获取视频标题、作者、缩略图等元数据

显著优点

• 可访问性优先：专为 deaf/HoH（聋人/听障）用户设计，支持精确时间戳同步
• 零成本入门：100 免费积分，无信用卡要求，300 req/min 速率限制
• 多语言支持：自动抓取 YouTube 可用字幕（自动生成或人工校对）
• 双格式灵活输出：JSON 适合程序化处理与时间轴分析，text 适合直接阅读
• 元数据丰富：可同步获取视频标题、作者、缩略图，便于内容管理
• 纯内置依赖：零第三方 npm 包，仅依赖 Node.js 原生模块，供应链攻击面极小

潜在缺点与局限性

• 付费门槛：免费额度用尽后需付费（402 错误），无永久免费档
• 覆盖率限制：无字幕/关闭 CC 的视频返回 404 错误（约 10-15% YouTube 内容）
• 质量参差：自动生成的字幕（ASR）准确度有限，专业术语识别错误率高
• 单平台锁定：仅支持 YouTube，不支持 Bilibili、TikTok、Vimeo 等平台
• 网络依赖：408 超时需手动重试，无内置指数退避机制
• 配置侵入性：save-key 命令会修改用户 shell RC 文件（.bashrc、.zshenv 等），虽权限设置合理（0o600）但需用户知情

适合人群

| 场景 | 推荐理由 |

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

| 听障/重听用户 | 精确时间戳 + 结构化输出，便于辅助工具集成 |

| 内容创作者/研究员 | 快速引用视频原文、做内容分析、生成摘要 |

| 翻译工作者 | 获取原文时间轴，辅助双语字幕制作 |

| 语言学习者 | 对照时间戳反复听取特定片段 |

| 合规审计人员 | 存档视频发言内容，满足监管要求 |

常规风险

1. API Key 泄露风险：保存至 shell RC 文件后，若环境文件权限管理不当可能被其他程序读取
2. 隐私数据残留：transcriptapi.com 服务端可能记录请求日志（视频 URL 关联用户账户）
3. 配置文件污染：自动化脚本修改 RC 文件存在极小概率的语法冲突风险（如特殊字符未转义）
4. 服务连续性：TranscriptAPI 为第三方商业服务，存在调价或停止运营可能
5. 版权合规：提取受版权保护内容的字幕用于商业用途可能引发法律风险

使用建议

首次使用建议执行 --dry-run（如未来支持）预览配置变更，或选择手动配置环境变量避免自动化脚本修改系统文件。生产环境建议定期轮换 API Key，并避免将 Key 提交至版本控制。