上周我想下载一个YouTube教程视频，结果发现网页下载器全失效了。要么要登录，要么限速，要么直接报错。更烦的是，下载完还想转成文字做笔记，又得找另一个工具。等了半分钟还没响应，我开始怀疑是不是网断了。直到我发现了两个skill：yt-dlp和video-transcription。一个负责下载，一个负责转文字，配合起来简直无缝。
yt-dlp：视频下载的瑞士军刀
能从1000多个网站下载视频，支持下载整个播放列表、只下音频、嵌入字幕。① 支持YouTube、B站、抖音、Twitter等几乎所有平台# 1. 下载最高质量视频yt-dlp URL# 2. 只下载音频（转MP3）yt-dlp -x --audio-format mp3 URL# 3. 下载整个播放列表yt-dlp "https://youtube.com/playlist?list=..."
我的体验：第一次用的时候，下载一个4K视频，速度直接跑满带宽。之前用网页下载器，要么要排队，要么要付费，现在一行命令搞定。# 4. 下载指定清晰度yt-dlp -f "bestvideo[height<=720]+bestaudio/best" URL# 5. 只下载字幕yt-dlp --write-subs --sub-langs "zh,en" URL# 6. 下载并嵌入元数据yt-dlp --embed-metadata --embed-thumbnail URL# 7. 限速下载（避免被封）yt-dlp -r 1M URL
yt-dlp就像个视频下载的瑞士军刀，什么功能都有，但你需要知道怎么用。命令行界面看起来吓人，其实常用的就那几个。
video-transcription：视频转文字的神器
把视频里的语音自动转成文字，支持中文，识别准确率不错。我拿一个20分钟的技术讲座视频测试，转录大概花了3分钟。识别出来大部分是准确的，Whisper的准确率通常很高，但我测试的视频背景噪音较大，所以有些专业术语需要手动修正。# 1. 提取音频ffmpeg -i video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav# 2. 用Whisper识别whisper audio.wav --language zh --output_format txt# 3. 修正错误（手动）# 打开txt文件，修正专业术语
第一次转录的时候，发现它把"API"识别成了"哎批"，把"GitHub"识别成了"吉特哈布"。但整体还是能看懂的，修正一下就行。Whisper就像个听力不太好的听写员，大部分能听懂，但有些专业词汇会听错。你需要当他的校对。
组合技：先下载再转文字的工作流
# 1. 下载视频yt-dlp -o "tutorial.mp4" URL# 2. 提取音频ffmpeg -i tutorial.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav# 3. 转文字whisper audio.wav --language zh --output_format txt# 4. 查看结果cat audio.txt
我下载了一个30分钟的Python教程视频，用这个流程处理：
实际应用场景
场景1：学习教程下载YouTube教程视频 → 转文字 → 快速复习重点适合：技术教程、编程课程、语言学习场景2：会议记录下载会议录像 → 转文字 → 生成会议纪要适合：公司会议、线上研讨会、客户沟通场景3：内容创作下载热门视频 → 转文字 → 分析选题方向适合：自媒体创作者、市场调研、竞品分析场景4：个人笔记下载感兴趣的视频 → 转文字 → 建立个人知识库适合：终身学习者、知识管理爱好者
总结
① 只想偶尔下载一个视频的普通用户（可能杀鸡用牛刀）我的建议：收藏这两个skill，下次需要下载视频或转文字的时候，直接用命令行搞定。比网页工具稳定多了。你平时下载视频都用什么工具？有没有遇到过"下载完还想转文字"这种需求？说实话，这两个skill改变了我的工作流。以前下载视频要开浏览器找工具，现在一行命令搞定。转文字也是，以前要手动听写，现在AI自动处理。效率提升不是一点半点。
关注我，点下方菜单栏「项目资源」，工具随便下
夜雨聆风
