核心用法
Transcribee 是一款命令行转录工具，通过调用 ElevenLabs API 实现音频/视频内容的语音转文字，并具备说话人分离（Speaker Diarization）能力。用户只需提供 YouTube URL 或本地文件路径，即可自动生成带说话人标签的完整转录文本。
显著优点
- 多源兼容：同时支持 YouTube 在线视频与本地音视频文件（mp3/mp4/wav 等十余种格式）
- 智能标注：自动识别不同说话人并添加标签（Speaker A/B/C...），免去人工区分麻烦
- 输出丰富：提供带标签文本、纯文本、词级时间戳 JSON、元数据四种格式，满足下游 LLM 分析、字幕制作、内容归档等多场景需求
- 结构化存储：按类别+标题+日期自动归档，便于长期管理
潜在局限与风险
- 依赖外部 API：核心能力完全依赖 ElevenLabs 云服务，存在网络延迟、配额限制、服务中断风险
- 隐私隐患：本地文件需上传至第三方云端处理，敏感内容存在数据外泄可能
- 成本因素：ElevenLabs API 按时长计费，高频/长视频使用成本累积较快
- 环境配置：需手动安装 yt-dlp、ffmpeg 及配置 API 密钥，对非技术用户门槛较高
- 中文支持存疑：ElevenLabs 官方文档主要强调英语场景，中文转录准确性需实际验证
适合人群
- 播客/会议纪要的整理者，需要将长音频快速转为可编辑文本
- 内容创作者，需从 YouTube 视频中提取结构化文稿用于二次创作
- AI 研究者/开发者，需获取带时间戳的语料进行 LLM 微调或分析
常规风险
- API 密钥泄露风险：
.env文件需妥善保管 - 版权合规：下载/转录 YouTube 内容需遵守平台 ToS 及当地版权法规
- 转录误差：口音、专业术语、多人重叠说话场景识别准确率可能下降