Transcribee 🐝

核心用法

Transcribee 是一款命令行转录工具，通过 ElevenLabs API 实现 YouTube 视频及本地音视频文件的语音转文字，并内置说话人分离（speaker diarization）功能。用户只需提供 URL 或本地路径即可一键生成结构化转录文档。

典型工作流：
1. 输入 YouTube 链接或本地文件路径（支持 mp3/mp4/mov 等常见格式）
2. 工具自动下载/读取媒体并上传至 ElevenLabs 处理
3. 输出保存至 ~/Documents/transcripts/ 分类目录，包含：

• transcription.txt：带说话人标签的整洁文本
• transcription-raw.txt：纯文本版本
• transcription-raw.json：词级时间戳数据
• metadata.json：元信息归档

显著优点

• 即开即用：单命令完成下载→转录→归档全流程
• 说话人分离：自动标注 Speaker A/B/C，大幅提升多角色内容可读性
• 多格式兼容：覆盖主流音视频容器格式
• 结构化输出：JSON 时间戳数据便于二次开发（如制作字幕、片段剪辑）
• 分类存储：按内容类型自动归档，避免文件混乱

潜在缺点与局限性

| 问题 | 说明 |

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

| **第三方依赖** | 需 ElevenLabs API 密钥，存在用量成本与服务可用性风险 |

| **网络依赖** | YouTube 下载依赖 yt-dlp，受平台反爬策略波动影响 |

| **隐私顾虑** | 文件上传至 ElevenLabs 云端处理，敏感内容存在外泄风险 |

| **平台限制** | 仅支持 macOS（Homebrew 安装依赖），无 Windows/Linux 原生方案 |

| **精度边界** | 说话人分离准确率受音质、口音、重叠对话影响 |

适合人群

• 播客制作人与听众（快速生成 shownotes）
• 研究人员（访谈录音整理）
• 内容创作者（YouTube 视频文字化再利用）
• 需批量处理会议记录的企业用户

常规风险

• API 费用：ElevenLabs 按音频时长计费，长视频成本需提前评估
• 数据合规：医疗、法律等敏感领域建议选用本地部署的 Whisper 替代方案
• URL 失效：YouTube 链接可能因地区限制、删除导致下载失败

核心用法

Transcribee 是一款专注于音视频转录的 CLI 工具，核心功能围绕两条主线展开：

在线视频处理：支持 YouTube 链接（youtube.com / youtu.be），自动下载音频流并提交 ElevenLabs API 进行语音转文字。

本地媒体转录：直接处理本地文件，支持 mp3、mp4、wav、flac 等常见格式，通过 ffmpeg 提取音频后完成转录。

输出结构：每次转录生成独立文件夹（~/Documents/transcripts/{分类}/{标题}-{日期}/），包含四种格式的输出文件——带说话人标签的 transcription.txt、纯文本的 transcription-raw.txt、含时间戳的 JSON 原始数据，以及视频元数据文件。

智能分类：集成 Claude AI，自动分析内容主题并归档到对应知识库分类（如 Tech、Podcast、Interview 等）。

显著优点

1. 说话人分离精准：ElevenLabs 的 speaker diarization 能识别不同说话者，对播客、访谈、会议场景尤为实用
2. 输出格式丰富：同时提供人类可读文本、机器解析 JSON、原始无标签文本，满足下游不同用途
3. 自动化知识管理：AI 自动分类 + 结构化存储，解决转录文件堆积混乱的痛点
4. 依赖生态成熟：基于 yt-dlp（YouTube 下载神器）和 ffmpeg（音视频处理标准），底层工具链可靠

潜在局限

• 平台合规风险：YouTube/Instagram 自动化下载可能违反平台 ToS，某些地区或账号可能受限
• API 成本：ElevenLabs 按音频时长计费，长视频转录成本需留意
• 英文优化为主：ElevenLabs STT 对中文等多语言支持弱于 Whisper 等竞品
• 离线不可用：全程依赖云端 API，无本地模型 fallback

适合人群

• 播客创作者/听众：批量整理播客内容生成文字稿
• 研究人员：YouTube 讲座、会议录像的学术笔记整理
• 内容运营：视频字幕粗稿、quote 提取、内容二次创作
• AI 工作流用户：需要将音视频注入 RAG 知识库的进阶玩家

常规风险

• API 密钥安全：需妥善保管 .env 文件中的 ElevenLabs 和 Anthropic 密钥
• 路径注入：虽有限制，处理不可信本地文件时仍需警惕
• 隐私敏感内容：转录含个人信息的音视频前需确认合规性