bili-asr-md

B站视频 → 字幕提取/ASR转录 → AI结构化整理 → Markdown笔记 → IMA保存

工作流程

用户发送B站链接
    ↓
① 解析链接（短链接→BV号）
    ↓
② 获取视频信息（标题/UP主/时长/cid/发布时间）
    ↓
③ 检测字幕（B站 player/v2 API）
    ├── 有字幕 → ④a 提取字幕JSON → 转纯文本 → ⑤
    └── 无字幕 → ④b 下载音频 → FFmpeg分段 → Coli ASR转录 → ⑤
    ↓
⑤ AI结构化整理（按模板整理内容）
    ↓
⑥ 生成Markdown笔记
    ↓
⑦ 保存到IMA笔记（按9大分类自动归档）
    ↓
⑧ 清理临时文件

Step 5: AI结构化整理（核心）

将原始转录文本按以下结构整理：

输出模板

# {视频标题}

## 视频基础信息

| 项目 | 内容 |
|------|------|
| **标题** | {title} |
| **UP主** | {author} |
| **时长** | {duration} |
| **发布时间** | {pubdate} |
| **BV号** | {bvid} |
| **核心主题** | {一句话概括} |

---

## 内容总览

{100字内概括：视频讲什么、解决什么问题、核心价值}

---

## 分段要点（按视频时间线）

### 00:00 - {时间节点1} {段落主题1}

- 核心观点：{提炼}
- 关键原话："{原话摘录}"

### {时间节点1} - {时间节点2} {段落主题2}

- 核心观点：{提炼}
- 关键原话："{原话摘录}"

...（按实际内容分段）

---

## 重点金句 / 原话摘录

> "{金句1}"
> 
> — {时间节点}

> "{金句2}"
> 
> — {时间节点}

...（干货名句、结论、提醒、硬核知识点）

---

## 疑问 & 待验证点

- [ ] {ASR识别不准的内容}
- [ ] {逻辑断层或需要核对的内容}
- [ ] {需要进一步查证的点}

---

## 总结复盘

### 核心结论

1. {结论1}
2. {结论2}
3. {结论3}

### 可落地行动

- [ ] {行动项1}
- [ ] {行动项2}

### 收获提炼

{个人收获、启发、延伸思考}

---

## 相关标签

#{category} #{tag1} #{tag2}

---

*本笔记由 bili-asr-md v1.2.1 自动生成*
*生成时间：{datetime}*

AI整理Prompt

在生成笔记时，使用以下Prompt指导AI整理：

你是一位专业的内容整理专家。请根据视频转录文本，按以下结构整理笔记：

## 整理要求

1. **视频基础信息**
   - 从API获取：标题、UP主、时长、发布时间、BV号
   - 提炼核心主题：一句话概括视频主旨（不超过20字）

2. **内容总览**
   - 100字内概括：视频讲什么、解决什么问题、核心价值
   - 去除口语化表达、广告内容、重复内容

3. **分段要点（按视频时间线）**
   - 根据内容逻辑划分段落（通常5-10段）
   - 每段标注：时间节点 + 段落主题
   - 提炼核心观点（简洁、准确）
   - 摘录关键原话（用引号标注，保留原汁原味）

4. **重点金句 / 原话摘录**
   - 干货名句、结论性判断、重要提醒
   - 硬核知识点、反直觉观点
   - 每句标注时间节点

5. **疑问 & 待验证点**
   - ASR识别不准的专有名词、人名、地名
   - 逻辑断层或前后矛盾之处
   - 需要进一步查证的内容

6. **总结复盘**
   - 核心结论：3-5条
   - 可落地行动：具体、可执行
   - 收获提炼：个人启发、延伸思考

## 处理规则

| 保留 | 去除 |
|------|------|
| 核心论点和逻辑链 | 口语化填充词（呢、啊、那个） |
| 关键数据和数字 | 重复表述 |
| 人名、地名、专业术语 | 广告/赞助内容 |
| 因果推理和论证 | 视频互动引导（点赞关注） |
| 对比和分类 | 无关闲聊/寒暄 |
| 引用原话（用blockquote） | 转录错误导致的乱码 |

## 特殊格式

- **表格**：用于对比、分类、数据展示
- **引用块**：用于重要定义、原话引用
- **加粗**：用于关键概念和核心论断
- **列表**：用于步骤、要素、要点
- **复选框**：用于待验证点和行动项

## 注意事项

- **不保留原文转录**：笔记只保留AI整理后的结构化内容，不附加原始转录文本
- 笔记应精炼、可读性强，便于快速回顾

Step 1-4: 解析/获取/检测/提取

Step 1: 解析链接

# 短链接解析
import curl_cffi.requests as requests
resp = requests.get(short_url, allow_redirects=False, impersonate='chrome120')
location = resp.headers.get('Location', '')
# 提取 BV 号
import re
match = re.search(r'BV[a-zA-Z0-9]+', location)
bvid = match.group(0) if match else None

Step 2: 获取视频信息

url = f'https://api.bilibili.com/x/web-interface/view?bvid={BVID}'
resp = requests.get(url, headers=headers, impersonate='chrome120')
data = resp.json()['data']
# 返回: title, owner['name'], duration, cid, desc, tag, pubdate

Step 3: 检测字幕

url = f'https://api.bilibili.com/x/player/v2?bvid={BVID}&cid={CID}'
resp = requests.get(url, headers=headers, impersonate='chrome120')
data = resp.json()['data']
subtitles = data.get('subtitle', {}).get('subtitles', [])
has_subtitle = len(subtitles) > 0

Step 4a: 提取字幕

subtitle_url = subtitles[0]['subtitle_url']
if subtitle_url.startswith('//'):
    subtitle_url = 'https:' + subtitle_url
resp = requests.get(subtitle_url, headers=headers)
data = resp.json()
lines = [item['content'] for item in data['body']]
full_text = '\n'.join(lines)

Step 4b: ASR转录

# 下载音频
ffmpeg -y -i audio.m4s -f segment -segment_time 300 -c copy seg_%03d.m4a

# ASR转录
coli asr seg_000.m4a --model sensevoice --language zh > seg_000.txt

Step 6-7: 生成笔记 & 保存IMA

生成笔记后，调用IMA API保存：

import subprocess, json

body = json.dumps({
    "content_format": 1,
    "content": markdown_content,
    "folder_id": folder_id,
}, ensure_ascii=False)

result = subprocess.run(
    ["node", ima_api_script, "openapi/note/v1/import_doc", body],
    capture_output=True, text=True, timeout=30,
)

9大分类映射

依赖工具

更新日志

• v1.2.1: 删除原文转录章节，笔记只保留AI整理后的结构化内容
• v1.2.0: 新增AI结构化整理模板（6大章节）
• v1.1.0: 新增字幕优先策略
• v1.0.0: 初始版本