核心用法
TubeScribe 是一款面向 macOS 用户的本地 YouTube 视频处理工具，通过 CLI 工作流将视频内容转化为结构化文档和音频摘要。用户只需提供 YouTube URL，工具即可自动提取字幕、识别说话人、生成带时间戳的摘要，并支持导出为 HTML、DOCX 或 Markdown 格式。
核心流程分为五步：提取转录文本 → 子代理分析格式化 → 生成目标格式文档 → 可选生成 TTS 音频 → 自动打开输出文件夹。工具依赖 summarize CLI（基于 Apple 本地 ML 框架）进行语音转文字，使用 Kokoro TTS 或系统内置语音引擎生成音频摘要。
显著优点
- 完全本地运行：无需网络 API，无订阅费用，无用量限制，数据不出本机
- 智能说话人分离：通过上下文线索自动区分访谈/播客中的不同说话人
- 可交互输出：时间戳直接链接到 YouTube 对应时刻，便于回溯验证
- 多格式导出：支持零依赖的 HTML、专业排版的 DOCX（需 pandoc）或原始 Markdown
- 音频化摘要：可将文字摘要转为 MP3/WAV，适合通勤收听
潜在局限
- 平台限制：当前仅支持 macOS（依赖
brew install和 Apple 生态工具） - 字幕依赖：只能处理 YouTube 已提供字幕的视频，无法自主语音识别
- 说话人识别精度：基于启发式规则（问答模式、发言长度），非声纹识别，复杂场景可能误判
- 长视频超时：超过 30 分钟的视频需手动调增子代理超时至 900 秒
- 外部依赖链：完整功能需额外安装 pandoc、ffmpeg、Kokoro TTS 等工具
适合人群
- 研究人员、记者、学生：需要快速整理访谈、讲座、纪录片内容
- 播客听众：希望将视频访谈转为可搜索文档和便携音频
- 隐私敏感用户：不愿将视频内容上传至云端 API 服务
- macOS 重度用户：熟悉命令行和 Homebrew 生态
常规风险
- 供应链风险：依赖第三方
summarizeCLI 和 Homebrew 生态，需信任 steipete/tap 仓库 - 字幕质量波动：YouTube 自动生成的字幕可能存在错误，影响 downstream 摘要质量
- 本地资源占用：Kokoro TTS 等深度学习模型可能占用显著 GPU/内存资源
- 更新维护：个人开源项目（基于文档风格判断），长期维护可持续性存疑