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