看 YouTube 上的技术演讲，遇到讲得特别好的，想把要点记下来。以前的流程是：先找个在线工具下载视频，再找个工具提取字幕，字幕格式乱七八糟还得手动清理。一套下来，光找工具就花了半小时，笔记还没开始写。
另一个场景更折腾。录完一段产品 DEMO，画面有了，但没有解说，自己录需要反复调节奏。每次都在想，Claude Code 能帮我写代码，为什么不能帮我处理这些视频的活？
想了想，干脆自己写一个。
于是就有了 video-skills
video-skills 是我开源的一个视频处理 Skill 集合，包含三个技能：
download-video：从 YouTube、Bilibili、Twitter/X 等 1000 多个平台下载视频transcribe-video：提取视频字幕，优先走内嵌字幕，没有才调 API 去转录narrate-video：给视频自动生成配音，画面和语音节奏对齐
三个技能可以单独用，也可以串起来。比如我最常用的流程是：下载一个 YouTube 视频 → 转成文字 → 拿着文字稿去做笔记整理。或者录完一段 DEMO → 让 Claude 看着画面写解说词 → 生成配音合进视频。
安装有两种方式。在 Claude Code 里直接：
/plugin marketplace add feiskyer/video-skills
/plugin install video-skills@video-skills
或者用 npx：
npx skills add feiskyer/video-skills
前置依赖就两个：yt-dlp 和 ffmpeg，macOS 用 Homebrew 装就行：
brew install yt-dlp ffmpeg
其他平台可以让 AI 帮你自动安装。
下面按我自己最常用的两个场景，看看它们的用法。
场景一：YouTube 视频变文字笔记
上周看到 Andrej Karpathy 一个新访谈，一个多小时，想先拿到文字稿挑重点看。打开 Claude Code，把链接丢进去：
帮我下载这个视频 https://www.youtube.com/watch?v=kwSVtQ7dziU
download-video 会用 yt-dlp 把视频拉下来，存到 ~/Downloads/Videos/。只要音频、指定 720p 这些，直接用自然语言说就行。
下载完接着转文字：
把刚下载的视频转成文字
transcribe-video 会先检查视频有没有内嵌字幕。YouTube 上很多视频自带字幕，质量比语音识别好，速度快，关键是不花 API 的钱。只有没字幕的时候才走 OpenAI 的 gpt-4o-transcribe。转出来的文字稿自动清理了时间戳和格式标签，直接就是干净的纯文本。拿到文字稿再让 Claude 做个摘要，整个流程一气呵成。
没有内嵌字幕的视频需要配置 API Key，创建 ~/.transcribe_video.env：
OPENAI_API_KEY=your-key-here
也支持其他兼容 OpenAI API 的平台，加上 OPENAI_API_BASE 就行。
不过下载和转录只解决了看视频的问题。如果你还需要编辑视频呢？比如录了个产品 DEMO，画面有了，但没声音。
场景二：录完 DEMO 自动配音
以前自己录个视频 DEMO，经常出现口误、卡壳、节奏不对等等的问题，录完还要花很长时间去剪辑，折腾半天才能搞定。
现在录好视频，直接一句话就可以搞定配音问题：
给这个 DEMO 视频加上中文配音 demo.mp4
Claude Code 会先每隔几秒截帧，看每个时间点屏幕上在发生什么，建一个场景时间表。然后根据画面写带时间戳的解说词，每段文字量只占时间窗口的 80% ，段落之间自然留白。最后调 Azure TTS 逐段生成语音，按时间戳合成到视频里。
不过使用时需要注意，配置 Azure 密钥，创建 ~/.narrate_video.env 并设置：
AZURE_SPEECH_KEY=your-key-here
AZURE_SPEECH_REGION=eastus
写在最后
video-skills 做的事情其实并不复杂，只是把 yt-dlp、ffmpeg、还有 Azure Speech 这些命令行工具和 AI 调用包进了 Skill，但用起来的流畅度完全不一样。感兴趣的话可以直接安装来试试：npx skills add feiskyer/video-skills。
video-skills GitHub 为 https://github.com/feiskyer/video-skills，有任何问题欢迎贡献完善。
欢迎长按下面的二维码关注 Feisky 公众号，了解更多云原生和 AI 知识。
