通过 Google Gemini API 为 YouTube 视频生成带说话人标签的逐字转录稿，无需时间戳，输出简洁清晰。
说明：
## 核心用法
该 Skill 是一款命令行 YouTube 视频转录工具，调用 Google Gemini 大模型生成逐字稿。用户只需提供 YouTube URL，工具即可返回带说话人标签的纯净文本格式（`Speaker: text`），自动跳过时间戳和冗余标记。
**使用方式**：
“`bash
python3 scripts/youtube_transcript.py “https://www.youtube.com/watch?v=…” [–out ]
“`
输出默认保存至工作目录 `out/` 文件夹，首行为视频标题，后续为说话人分段对话。
## 显著优点
– **输出格式纯净**：自动生成 `Speaker: text` 格式，无时间码干扰，直接适用于会议纪要、内容摘要等场景
– **依赖极简**：仅使用 Python 标准库（urllib、json、os、sys），零第三方包依赖，部署轻便
– **安全基线较高**：输出路径受限（工作目录、/tmp 或 TMPDIR），防止目录遍历；无硬编码凭证
– **合规友好**：符合 GDPR 数据最小化原则，无主动数据收集行为
## 潜在局限
– **需要自备 API Key**：依赖用户配置的 `GEMINI_API_KEY`，对新手不够便捷
– **无时间戳信息**：若需精确时间定位，本工具无法满足
– **T3 来源风险**：由个人开发者维护（GitHub: odrobnik），非企业/基金会背书，需自行跟踪更新
– **网络依赖**：必须访问 Google Generative Language API 和 YouTube oEmbed，国内网络环境可能受限
– **错误信息暴露**：API 报错时会将原始响应输出至 stderr，存在意外泄露敏感信息的可能
## 适合人群
– 播客/访谈整理者、会议纪要员、内容创作者
– 需要快速获取 YouTube 视频文字稿的研究者、记者
– 熟悉命令行操作、能自行管理 API Key 的技术用户
## 常规风险
– **密钥管理**：环境变量方式虽标准，但在共享环境或日志中可能意外暴露
– **API 成本**：Gemini API 调用产生费用，长视频需注意用量
– **输出覆盖**：自动命名文件可能覆盖同名历史文件，建议显式指定 `–out` 路径
– **模型幻觉**：大模型生成的转录可能存在识别误差，重要场景建议人工复核
