kanlac/youtube-bilingual-transcript

YouTube 中英对照转录页生成

把一个 YouTube 链接变成一份单文件 HTML 阅读页：中文为主、英文原文为下方小字，带时间戳跳转、带序号的章节目录、每章中文要点、重点金句高亮、以及专有名词「正文内联点击展开」注释。

三步流程

1. 抓取字幕与章节 → work.json 骨架

python3 ${SKILL_PATH}/scripts/fetch_transcript.py "<youtube-url>" work.json

脚本用 uvx yt-dlp（无需全局安装）抓取原语言自动字幕（json3）与 info.json（标题、时长、章节），把逐词字幕合并成可读段落、按章节分组，产出待翻译骨架。每个 segment 已填好 en，zh 留空。

环境注意（脚本已内置重试，但需了解）：

• 依赖浏览器登录态绕过 YouTube 机器人校验——脚本用 --cookies-from-browser chrome。Chrome 需已登录 YouTube。
• cookie 提取偶发只取到极少 cookie 而触发 bot 校验，脚本会重试多次；若始终失败，提示用户在 Chrome 里打开一次 YouTube 再重试。
• 解 n-challenge 需要 JS runtime，建议系统装有 deno（brew install deno）。

2. 翻译与策展：把 work.json 补全为 spec.json

这是本 skill 的核心智力环节，由 agent 完成。读取 work.json，只填充、不改动 ts/en，逐项补齐：

• meta.title_zh、meta.subtitle、meta.guest：中文标题、副标题（如播客期号）、嘉宾一句话身份。
• meta.has_speakers：自动字幕没有说话人信息 → 保持 false、各 segment 的 speaker 留空。只有当来源确实区分说话人（见下方「更高质量」）才设 true 并填 speaker。
• 每个 segment 的 zh：忠实、自然的中文翻译。保留口语节奏；专有名词首次出现用「中文（English）」形式，便于内联注释命中。长视频分批翻译，务必逐段覆盖、不漏段、不串行错位（完成后校验每段 zh 非空且与 en 对应——本类任务最易出的就是漏一句短句导致整体错位一格）。
• 每章 title_zh 与 summary：中文章节名；summary 为 2–4 条中文要点，提炼该章核心论点（用于章节顶部卡片）。
• 每章挑 1–3 句 key: true：最值得高亮、可直接引用的金句，作为「重点」与「只看重点」的依据。宁缺毋滥。
• glossary：本视频出现的专有名词，{term, zh, desc}。只收有辨识度的名词（公司、人物、产品/架构、技术概念、模型/事件），不要收 the/power 这类常见词，否则正文会被误标。desc 用一句中文解释。注释在正文中文里命中（优先匹配 zh，无中文名则匹配 term），每词仅标注首次出现。

3. 渲染 HTML

python3 ${SKILL_PATH}/scripts/build_html.py spec.json output.html

默认输出放用户易取处（如 $HOME/Desktop/<slug>.html），生成后用系统命令打开预览（macOS：open）。

spec.json 结构

{
  "meta": {"title","title_zh","subtitle","channel","guest","duration",
           "upload_date","video_id","url","has_speakers"},
  "chapters": [
    {"title","title_zh","start","summary":["中文要点","..."],
     "segments": [{"ts","sec","speaker","en","zh","key"}]}
  ],
  "glossary": [{"term","zh","desc"}]
}

fetch_transcript.py 已产出除翻译/要点/术语外的全部字段，agent 在其基础上补全即可。

成页功能（已内置于 build_html.py，无需另写）

• 中文主体 + 英文小字淡色；左上「隐藏英文」一键切换纯中文。
• 带序号的章节目录（sticky 侧栏），点击跳转；每章标题旁「跳转视频」按钮。
• 时间戳点击直达 YouTube 对应秒数。
• key 段落金色高亮 + 「只看重点」筛选。
• 专有名词在正文中文里以虚线 + ⓘ 标注，点击展开注释气泡；完整术语表折叠在页面底部（不占据开头）。

更高质量（可选）

自动字幕无说话人、偶有断句瑕疵。若该创作者在自有网站发布了官方逐字稿（常含说话人标注与时间戳，如某些访谈/播客），优先抓取并解析官方稿填入 segments（设 has_speakers: true、填 speaker），质量显著更好。其余流程（翻译、要点、术语、渲染）不变。