介绍
# Gettr Transcribe + Summarize (MLX Whisper)
## 快速开始
```bash # 1. Parse the slug from the URL (just read it — no script needed) # https://gettr.com/post/p1abc2def → slug = p1abc2def # https://gettr.com/streaming/p3xyz → slug = p3xyz
# 2. Get the video URL # For /post/ URLs: use the extraction script python3 scripts/extract_gettr_og_video.py "<GETTR_POST_URL>"
# For /streaming/ URLs: use browser automation directly (extraction script is unreliable) # See Step 1 below for browser automation instructions
# 3. Run download + transcription pipeline bash scripts/run_pipeline.sh "<VIDEO_URL>" "<SLUG>" ```
要显式设置转录语言（建议用于非英语内容）： ```bash bash scripts/run_pipeline.sh --language zh "<VIDEO_URL>" "<SLUG>" ```
常用语言代码：`zh` (中文)、`en` (英语)、`ja` (日语)、`ko` (韩语)、`es` (西班牙语)、`fr` (法语)、`de` (德语)、`ru` (俄语)。
这将输出： - `./out/gettr-transcribe-summarize/<slug>/audio.wav` - `./out/gettr-transcribe-summarize/<slug>/audio.vtt`
然后继续执行第 3 步（摘要）以生成最终交付物。
---
## 工作流 (GETTR URL → 转录文本 → 摘要)
### 待确认的输入 请求提供： - GETTR 帖子 URL - 输出格式：**仅要点** 或 **要点 + 带时间戳的大纲** - 摘要长度：**短**、**中（默认）** 或 **详细** - 语言（可选）：如果视频是非英语内容且自动检测失败，请询问语言代码（例如，中文为 `zh`）
注意： - 此技能**不**处理需要身份验证的 GETTR 帖子。 - 此技能**不**进行翻译；输出内容保留视频的原始语言。 - 如果转录质量较差或与英语混杂，请使用显式 `--language` 标志重新运行。
### 先决条件 (本地) - `mlx_whisper` 已安装并位于 PATH 中 - `ffmpeg` 已安装（推荐：`brew install ffmpeg`）
### 第 0 步 — 解析 slug 并选择输出目录
直接从 GETTR URL 解析 slug —— 只需读取最后一个路径段，无需脚本： - `https://gettr.com/post/p1abc2def` → slug = `p1abc2def` - `https://gettr.com/streaming/p3xyz789` → slug = `p3xyz789`
输出目录：`./out/gettr-transcribe-summarize/<slug>/`
目录结构： - `./out/gettr-transcribe-summarize/<slug>/audio.wav` - `./out/gettr-transcribe-summarize/<slug>/audio.vtt` - `./out/gettr-transcribe-summarize/<slug>/summary.md`
### 第 1 步 — 获取视频 URL
方法取决于 URL 类型：
#### 对于 `/post/` URL — 使用提取脚本
运行提取脚本以从帖子 HTML 获取视频 URL：
```bash python3 scripts/extract_gettr_og_video.py "<GETTR_POST_URL>" ```
这会将最佳候选视频 URL（通常是 HLS `.m3u8`）打印到 stdout。
如果提取失败，请要求用户直接提供 `.m3u8`/MP4 URL（这在帖子为私有/受限制或 HTML 为动态内容时很常见）。
#### 对于 `/streaming/` URL — 直接使用浏览器自动化
**请勿对 streaming URL 使用提取脚本。** 从静态 HTML 提取的 `og:video` URL 对于流式内容并不可靠 —— 它要么直接失败，要么下载停滞并在接近结束时失败。
相反，使用浏览器自动化获取一个新的、动态签名的 URL： 1. 打开 GETTR streaming URL 并等待页面完全加载（必须执行 JavaScript） 2. 从渲染的 DOM 中提取 `og:video` meta 标签内容： ```javascript document.querySelector('meta[property="og:video"]').getAttribute('content') ``` 3. 将该新 URL 用于第 2 步中的流程
如果浏览器自动化不可用或失败，请参阅 `references/troubleshooting.md` 了解如何指导用户从其浏览器中手动提取新 URL。
### 第 2 步 — 运行流程（下载 + 转录）
将提取的视频 URL 和 slug 输入到流程中：
```bash bash scripts/run_pipeline.sh "<VIDEO_URL>" "<SLUG>" ```
要显式设置语言（建议在自动检测失败时使用）： ```bash bash scripts/run_pipeline.sh --language zh "<VIDEO_URL>" "<SLUG>" ```
该流程做两件事： 1. 通过 ffmpeg 将音频下载为 16kHz 单声道 WAV 2. 使用 MLX Whisper 转录，输出带时间戳的 VTT
#### 如果流程因 HTTP 412 失败（签名 URL 过期）
当签名 URL 过期时，此错误会发生在 `/streaming/` URL 上。如果浏览器自动化返回了过期的 URL，请重试：重新运行浏览器自动化以获取新 URL，然后重试流程。
如果浏览器自动化不可用或失败，请参阅 `references/troubleshooting.md` 了解如何指导用户从其浏览器中手动提取新 URL。
注意： - 默认情况下，语言是自动检测的。对于检测失败的非英语内容，请使用 `--language`。 - 如果速度太慢或内存占用过高，请尝试较小的模型：`mlx-community/whisper-medium` 或 `mlx-community/whisper-small`。 - 如果质量较差，请尝试完整模型：`mlx-community/whisper-large-v3`（较慢但更准确）。 - 如果 `--word-timestamps` 导致问题，流程会自动重试而不使用该选项。
### 第 3 步 — 摘要 将最终交付物写入 `./out/gettr-transcribe-summarize/<slug>/summary.md`。
选择一个 **摘要长度**（用户可选）： - **短：** 5–8 个要点；（如果包含大纲）4–6 个部分 - **中（默认）：** 8–20 个要点；（如果包含大纲）6–15 个部分 - **详细：** 20–40 个要点；（如果包含大纲）15–30 个部分
包括： - **要点**（根据上述长度） - 可选的 **带时间戳的大纲**（根据上述长度）
带时间戳的大纲格式（默认标题样式）： ``` [00:00 - 02:15] Section heading - 1–3 sub-bullets ```
从 VTT 提示构建大纲时： - 将相邻的提示组合成连贯的部分。 - 使用该部分中第一个提示的开始时间和最后一个提示的结束时间。
## 捆绑脚本 - `scripts/run_pipeline.sh`：下载 + 转录流程（接收视频 URL 和 slug） - `scripts/extract_gettr_og_video.py`：获取 GETTR HTML 并提取 `og:video` URL（包含重试/退避） - `scripts/download_audio.sh`：从 HLS 或 MP4 URL 下载/提取音频为 16kHz 单声道 WAV
### 错误处理 - **非视频帖子**：提取脚本会检测图片/文本帖子并提供有用的错误消息。 - **网络错误**：自动重试，采用指数退避（最多 3 次尝试）。 - **无音频轨道**：下载脚本会验证输出，并在源没有音频时进行报告。 - **HTTP 412 错误**：当签名 URL 过期时发生在 `/streaming/` URL 上。重新运行浏览器自动化以获取新 URL（见第 1 步）；如果失败，请参阅 `references/troubleshooting.md`。
## 故障排除 请参阅 `references/troubleshooting.md` 了解常见问题的详细解决方案，包括： - HTTP 412 错误（过期的签名 URL） - 提取失败 - 下载错误 - 转录质量问题