视频URL转文字

> 唐潮Toncall工作室开发

功能

用户发送可直接访问的视频URL后，自动完成全流程处理：

1. 下载视频 - 下载视频到本地临时目录
2. 提取音频 - 使用 ffmpeg 从视频中提取音频为 mp3
3. 上传TOS - 上传音频到火山引擎对象存储TOS，供语音识别API访问
4. 语音识别 - 调用火山引擎大模型录音文件识别API进行语音转文字
5. 保存结果 - 保存识别结果文本到 texts/ 目录，返回给用户
6. 自动清理 - 无论成功失败，都自动清理：
• 本地下载的视频文件
• 本地提取的音频文件
• TOS对象存储上已上传的音频文件

配置

使用前必须配置，复制 config.example.ini 为 config.ini，然后填写你的凭证：

[tos]
ak = 你的火山引擎TOS Access Key
sk = 你的火山引擎TOS Secret Key
region = cn-beijing
bucket = 你的TOS存储桶名称
bucket_domain = 你的TOS存储桶域名，例如 your-bucket.tos-cn-beijing.volces.com

[asr]
app_key = 你的火山引擎语音识别App Key
access_key = 你的火山引擎语音识别Access Key

获取方式：

• TOS凭证：火山引擎控制台 → 对象存储TOS
• 语音识别凭证：火山引擎控制台 → 语音识别

使用方式

1. 用户发送可直接访问的视频文件URL
2. Skill 触发后立刻回复用户：识别到视频URL，开始自动处理，请稍候...
3. 执行脚本自动处理
4. 识别完成后返回结果文本给用户

命令调用：

py scripts/video_url_to_text.py <视频URL>

依赖

• Python 3.8+
• requests 库
• ffmpeg 已安装并添加到系统 PATH

启动时自动检查： 脚本启动会自动检查 requests 和 ffmpeg，如果未安装会提示用户安装，不需要手动检查。

文件结构

toncall-videourl-text/
├── SKILL.md
├── config.ini.example
└── scripts/
    └── video_url_to_text.py

• config.ini - 用户配置（需要用户创建）
• scripts/video_url_to_text.py - 主程序，独立完整，无需依赖其他文件