音视频批量转录为结构化逐字稿（全平台 + 双语对比）

任务

把多个音视频链接批量转录为带语义切分的 Markdown 逐字稿（每视频一个独立 .md 文件）。

v4.0 三大特性：

1. 全平台支持：抖音/B站/小宇宙/YouTube + yt-dlp 1700+ 平台（Vimeo/TikTok/Twitter/X/Twitch/TED 等）
2. 字幕优先：平台有字幕时直接拉取，跳过 Whisper 转录（节省 95% 能耗）
3. 双语对比：非中文内容自动翻译为中文，输出「中文译文 + 英文原文 blockquote」段落对比格式

做：批量转录 + 语义切分 + 结构化输出 + 双语对比翻译 不做：单视频转录、作者主页抓取、纯视频文件下载（不转录）、纯字幕提取（不转录）、PDF/HTML 输出、关键帧抽帧

触发词

抖音批量转录、批量转录抖音、B站批量转录、批量转录B站、小宇宙转录、批量转录播客、YouTube转录、批量转录YouTube、双语转录、YouTube双语、Vimeo转录、TikTok转录、批量转录视频链接

权限声明

用户警告：脚本会下载视频/音频流到 outputs/ 目录，调用 ffmpeg/yt-dlp/agent-browser 等外部进程。Whisper 转录会占用 GPU/CPU 资源（字幕可用时自动跳过）。删除 outputs/ 目录可清理全部中间产物。

输出格式

每个视频输出一个独立 .md，结构固定。v4.0 单语模式（中文内容或未翻译）：

# {标题}

> 作者: {作者}
> 来源: 抖音
> 原始链接: {url}
> 转录工具: faster-whisper (small) + opencc
> 转录日期: {YYYY-MM-DD}
> 路由: {route}（{路由名}）
> 路由原因: {一句话}
> 时长: {HH:mm:ss}
> 场景数: {N}
> 语言: 中文

---

## 目录
1. [场景1标题](#01-场景1)
2. [场景2标题](#02-场景2)

---

## 01. {场景标题}（{mm:ss}-{mm:ss}）

{完整内容，保留推理/例子/数字/限定条件}

<details><summary>切分原因</summary>{reason}</details>

---

## 02. {场景标题}（{mm:ss}-{mm:ss}）
...

v4.0 双语对比模式（非中文内容，自动翻译后）：

# {English Title}

> 作者: {Author}
> 来源: YouTube
> 原始链接: {url}
> 转录工具: 平台字幕 (youtube-transcript-api)
> 转录日期: {YYYY-MM-DD}
> 路由: lesson（教学课）
> 路由原因: {一句话}
> 时长: {HH:mm:ss}
> 场景数: {N}
> 语言: en → 中文（双语对比）

---

## 目录
1. [场景1标题](#01-场景1)
2. [场景2标题](#02-场景2)

---

## 01. {场景标题}（{mm:ss}-{mm:ss}）

中文译文段落，按场景边界切分的完整语义段落...

> **原文**：English original text in the same scene range...

<details><summary>切分原因</summary>{reason}</details>

---

## 02. {场景标题}（{mm:ss}-{mm:ss}）

中文译文继续段落...

> **原文**：More English text...

规则

6 条硬规则（v4.0 升级）：

1. 阶段分工：阶段 1-3 由脚本执行，阶段 3.5 翻译由主对话循环执行（next-batch → AI 翻译 → apply），阶段 4 由主对话执行（读工作表→写 boundaries），阶段 5 由脚本执行
2. 保留时间戳：阶段 2 转录必须保留每个 segment 的 start/end/text，这是阶段 4 语义切分对齐的基础
3. 禁止机械切分：阶段 4 切分必须按语义边界（知识点结束/论点完成/问答闭合），禁止按 60/90 秒固定时长切
4. 边界覆盖：第一个场景 start_sec=0.0，最后一个 end_sec >= 视频时长，场景之间不能重叠或空隙
5. 每场景必带 title 和 reason：title 简短描述内容（如"课程介绍"），reason 具体说明为什么在这里切（如"知识点结束，进入例句解析"）
6. v4.0 字幕优先：平台有字幕时（YouTube/B站/通用平台），优先用 yt-dlp 拉取字幕（手动 > 自动），跳过 Whisper 转录；只有字幕不可用时才 fallback 到音频下载 + Whisper

6 路由模型（详见 references/route-rules.md）： lesson（教学课）/ explainer（科普解读）/ conversation（访谈对话）/ demo（操作演示）/ narrative（叙事讲述）/ bulletin（资讯速览）

Light-plus 原则：不是摘要，必须保留推理、例子、数字、限定条件、分歧、问答、重复强调

v4.0 双语翻译契约：

• segment 是不可变翻译单元（1 cue 1 segment），不做 smart 合并
• 80 segment/批 + 前后 2 个只读 context
• manifest 是唯一状态源，可从任意批次恢复
• 翻译由主对话（active session model）完成，零外部 API 依赖

示例

完整的批量执行示例、边界情况示例、字幕不可用 fallback 示例详见 references/examples.md。

首次使用配置

详见 references/troubleshooting.md 的"首次使用配置"章节。

扩展参考

• references/pipeline-details.md — 5 阶段管线详细执行步骤 + 平台支持矩阵
• references/route-rules.md — 6 路由模型规则详解
• references/troubleshooting.md — 故障排查表 + 首次使用配置
• references/examples.md — 完整示例集

依赖

平台支持矩阵

详见 references/pipeline-details.md 的"平台支持矩阵"章节。