复用指南：如何下载字幕并做一篇 AI 访谈深度分析
本页把本仓库的工作流抽成可复用的步骤：找视频 → 下字幕 → 清洗 → 套模板写分析。完整内部记录见 PROGRESS.md。
复用流程总览
- 确定视频来源——YouTube 还是 B 站。
- 检查字幕可用性——
yt-dlp --skip-download --list-subs <URL>。 - 下载字幕——见下方命令。
- 清洗字幕——VTT/SRT → 带时间戳纯文本。
- 套用 9 大块模板——读一篇已有
analysis.md作样板。 - 写分析——按受众价值排序观点，标注原话 vs 加工。
1. 下载 YouTube 字幕
yt-dlp --skip-download --write-auto-sub --write-sub \
--sub-lang "zh-Hans,zh,zh-CN,en,en-US" --convert-subs vtt \
"https://www.youtube.com/watch?v=VIDEO_ID" -o "vid_%(id)s.%(ext)s"
注意：部分播客频道（如张小珺 YouTube 频道）关闭了字幕，需改用 B 站源。
2. 下载 B 站字幕（需登录 cookies）
# 一次性导出 Chrome cookies 到文件
yt-dlp --cookies-from-browser chrome --cookies /tmp/bili_cookies.txt \
--skip-download "https://www.bilibili.com/video/BVxxxxxxx/"
# 列出可用字幕（B 站播客通常有 ai-zh，部分有人工 zh-CN）
yt-dlp --cookies /tmp/bili_cookies.txt \
--skip-download --list-subs "https://www.bilibili.com/video/BVxxxxxxx/"
# 下载 ai-zh 字幕
yt-dlp --cookies /tmp/bili_cookies.txt \
--skip-download --write-sub --sub-lang ai-zh \
"https://www.bilibili.com/video/BVxxxxxxx/" -o "bili_NAME_%(id)s.%(ext)s"
B 站 SESSDATA 通常几个月有效，过期需重新导出 cookies。Cookies 文件含敏感信息，切勿提交到仓库（本项目已在
.gitignore忽略*cookies*）。
3. 清洗字幕（VTT/SRT → 带时间戳纯文本）
import re
def clean_vtt(input_file, output_file):
with open(input_file, encoding='utf-8') as f:
lines = f.read().split('\n')
blocks, current_ts = [], None
for line in lines:
line = line.strip()
if not line or line.startswith(('WEBVTT', 'Kind:', 'Language:')):
continue
if '-->' in line:
m = re.match(r'^(\d{2}:\d{2}:\d{2})\.\d+ -->', line)
if m:
current_ts = m.group(1)
continue
if current_ts:
blocks.append((current_ts, line))
# 去掉连续重复行（自动字幕常见）
deduped, prev = [], ''
for ts, text in blocks:
if text != prev:
deduped.append((ts, text)); prev = text
with open(output_file, 'w', encoding='utf-8') as f:
for ts, text in deduped:
f.write(f"[{ts}] {text}\n")
4. 常见 ASR 字幕错误对照表
B 站 / 自动字幕在 AI 术语上经常识别错，写分析时按此纠正：
| 正确 | 常见错误识别 |
|---|---|
| OpenCode | OpenCloud / open call / open clo |
| agentic | A 卷 / A 证 / IJTIC |
| ChatGPT | 拆 GPT / 全 GBT / HGBT |
| 智谱 | 质朴 / 知否 |
| 杨植麟 | 杨志玲 / 杨志林 |
| 罗福莉 | 罗福利 |
| OpenAI | open i / open ap / off er ap |
| Anthropic | an athropic |
| post-training | 铺设训 / 波士顿 |
| Adam (优化器) | ADAM |
| DeepSeek | DPCV3 |
| ChatGLM | 全 gm / chat gm |
5. 分析模板：9 大块结构
每篇分析按统一模板输出（样板见任意一篇 analysis.md）：
- 视频信息块——标题 / 频道 / 时长 / URL / 字幕规模
- I. 上帝视角——对谈真实结构 + 核心张力 + 三组对位
- II. 12 个核心观点——按对受众的实操价值排序
- III. 思想三层挖掘——学科知识 / 5 个心智模型 / 底层哲学信念
- IV. 思想的内在张力——3–5 组矛盾辨析
- V. 可复制 vs 不可复制——✅ / ❌ / ⚠️ 三张表
- VI. 三种角色的可执行启示——研究员 / 创业者 / 个人成长
- VII. 分析方法说明 + 局限性
- 附录：5 个最高密度瞬间——带原话引用与时间戳
质量要求：综合分 ≥ 8/10（完整性 / 逻辑 / 受众价值）。 设计原则：不硬贴学派标签、区分原话 vs 分析者加工、失败案例 > 成功案例、清单可执行、客观声明局限性。