核心用法
本 Skill 提供了一条完整的命令行流水线，用于下载 Instagram Reels 并提取其音频转录文本。整个流程分为三步：
1. 元数据提取：使用 yt-dlp 获取视频的 JSON 元数据（包括标题、作者、音频 CDN 地址），无需登录即可处理公开内容
2. 音频下载与转换：从元数据中解析音频直链，通过 curl 下载后使用 ffmpeg 转换为 MP3 格式
3. 语音转录：调用 Groq 提供的 Whisper API（whisper-large-v3-turbo）进行自动语言识别与转录，返回带时间戳的详细结果
此外，Skill 支持直接从元数据提取视频描述（Caption）、作者信息及时长，也可通过 --cookies 参数处理私密内容。
显著优点
- 零成本入门：Groq API 提供免费额度，Whisper 转录响应速度快（约 1-2 秒）
- 跨平台兼容：基于 yt-dlp，同样适用于 TikTok、YouTube Shorts 等平台
- 无需浏览器自动化：直接操作 CDN 链接，效率高于模拟点击方案
- 结构化输出：转录结果包含完整文本与分段时间戳，便于后续处理
潜在局限与风险
- 依赖外部服务：Groq API 存在速率限制，重度使用需付费升级；yt-dlp 需跟随平台反爬策略更新
- 隐私合规：下载他人内容可能涉及版权与数据保护法规，需确保合法用途
- 私密内容限制：非公开 Reels 需手动导出浏览器 Cookie，操作门槛较高
- 临时文件管理：Skill 未内置自动清理机制，需手动删除
/tmp下的中间文件
适合人群
- 内容创作者进行竞品分析与灵感收集
- 研究人员需要批量获取社交媒体音频文本
- 开发者构建基于短视频内容的自动化工作流
常规风险
- API 密钥泄露风险：需妥善保管
GROQ_API_KEY，避免硬编码或提交至版本控制 - 平台政策变动：Instagram、TikTok 可能调整 CDN 链接策略或加强反爬措施
- 转录准确性：自动语音识别对背景噪音、方言、专业术语的处理存在局限