What makes Video to Notes notable?

1K downloads. Trust evidence available

How should Video to Notes be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Video to Notes

将视频内容（课程/讲座/教程/纪录片/会议/演讲等）自动转为高质量结构化学习笔记。核心价值：看视频容易忘、看一遍记不住 → 转成笔记随时回看。支持本地视频文件、YouTube/B站等网络链接。流程：提取音轨 → Whisper 语音转文字 → AI 生成结构化笔记。适用场景：任何想从视频中高效学习的人——自学程序... Skill: Video to Notes Owner: yll-kb Summary: 将视频内容（课程/讲座/教程/纪录片/会议/演讲等）自动转为高质量结构化学习笔记。核心价值：看视频容易忘、看一遍记不住 → 转成笔记随时回看。支持本地视频文件、YouTube/B站等网络链接。流程：提取音轨 → Whisper 语音转文字 → AI 生成结构化笔记。适用场景：任何想从视频中高效学习的人——自学程序... Tags: latest:2.0.0 Version history: v2.0.0 | 2026-07-03T15:27:40.454Z | user 大版本更新: 智能分段, 逻辑结构图, 重点标记系统, 速查卡, MPS加速, 静音裁剪+变速预处理 v1.3.0 | 2026-05-15T02:41:53.053Z | auto **Version 1.3.0 Summary:** This update improv

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.0k

Updated

Oct 11, 2026

Version

2.0.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1K downloadsadoption · observed Oct 11, 2026
Latest release: 2.0.0release · observed Jul 3, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170hz3mk8whbzhtazxz0eyk1986sh07:video-to-notes

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-yll-kb-video-to-notes/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

62,779 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: video-to-notes
description: 将视频内容（课程/讲座/教程/纪录片/会议/演讲等）自动转为高质量结构化学习笔记。核心价值：看视频容易忘、看一遍记不住 → 转成笔记随时回看。支持本地视频文件、YouTube/B站等网络链接。流程：提取音轨 → Whisper 语音转文字 → AI 生成结构化笔记。适用场景：任何想从视频中高效学习的人——自学程序员、学生、职场进修者、知识爱好者。触发条件：用户提供视频路径/链接，或说"把这个视频整理成笔记"、"帮我记笔记"、"转成学习笔记"。支持中英文，一次 1-3 个文件。
metadata:
  openclaw:
    requires:
      bins: ["python3", "ffmpeg", "ffprobe"]
      pip:
        - openai-whisper
---

# Video to Notes — 视频转学习笔记

**看视频 ≠ 学会。笔记才是真正属于你的知识。**

用户只需要说一句："帮我把这个视频整理成笔记"。剩下的事 AI 自己搞定。

---

## 用户视角 —— 他们只需要知道这些

用户不需要理解 Python、ffmpeg、whisper 是什么。他们只需要：

1. **提供视频** — 给文件路径，或者发个链接（YouTube/B站等）
2. **说明需求**（可选）— "用英文"、"只要重点"、"按课堂笔记风格"
3. **等着拿笔记**

AI 自动完成全部工作。

---

## AI 工作流

### 第一步：检测 & 安装依赖

用户说想转视频后，**AI 先静默检查环境**：

```bash
# 检查所有依赖，缺什么装什么
python3 --version               # 缺 → brew install python3
ffmpeg -version                  # 缺 → brew install ffmpeg
python3 -c "import whisper"      # 缺 → pip3 install openai-whisper
pip3 list 2>/dev/null | grep -q yt-dlp  # 缺 → pip3 install yt-dlp （可选，仅URL需要）
```

> ⚡ **依赖安装规则（必遵守）**
>
> 所有环境安装操作必须遵循以下步骤：
>
> 1. **先检测，再报告** — 运行检测后，明确告诉用户哪些工具/包缺失，用具体名称列出
> 2. **必须征得用户明确同意** — 拿到 `yes` / `可以` / `装` 后再执行；不要直接后台静默安装
> 3. **安装命令必须完整告知** — 例如 `pip3 install openai-whisper` 或 `brew install python3 ffmpeg`
> 4. **没有例外** — 即使是 pip 包也需用户确认后再装

### 第二步：获取视频

| 来源 | AI 处理方式 |
|------|------------|
| **本地文件** | 直接读取路径 |
| **URL（YouTube/B站等）** | 先告知用户要下载到哪个目录，确认后再执行 `python3 scripts/download_video.py <URL> --output-dir <目录>` |
| **平台限制无法下载** | 礼貌告知用户："这个平台的视频有限制，能不能先下载到本地发给我？" |

### 第三步：转写

```bash
python3 scripts/transcribe.py <视频路径> [选项]
```

**参数选择逻辑：**

| 场景 | 推荐参数 |
|------|---------|
| 普通视频 | `--model base`（默认，速度与精度平衡） |
| 长视频（>1h） | `--model turbo` + `--speed 1.3`（快 ~50%） |
| 中文视频 | 加 `--language zh` 提升准确率 |
| 批量处理 | 多个路径一起传，最多 3 个 |
| 超长视频（>2h） | 自动提示用户，建议只处理单个文件确保质量 |
| 追求极致速度 | `--model turbo --strip-silence --speed 1.5`（快 ~70%） |
| 精度优先 | `--model large` + `--no-strip-silence`（保留所有细节） |

### 第四步：AI 生成学习笔记 ⭐ — 核心价值

转写完成后，读取 `.txt` 文件，按以下流程生成笔记：

---

#### 4a. 智能分段（Semantic Chunking）

转写稿是逐句时间戳文本，AI 先做一次**语义分章**，给笔记搭骨架：

1. 扫描全文，根据话题切换、关键词、语气变化识别**逻辑段落**
2. 为每个段落生成**章节标题**（概括该段核心内容）
3. 输出分段大纲作为笔记的目录骨架

```markdown
示例输出：

## 分段大纲

| # | 章节 | 时间范围 | 核心内容 |
|---|------|---------|---------|
| 1 | 什么是状态管理 | 00:00-08:30 | 定义、为什么需要 |
| 2 | useState 原理 | 08:30-20:15 | 工作机制、批量更新 |
| 3 | useReducer 对比 | 20:15-35:00 | 适用场景、代码示例 |
| 4 | Context 跨组件通信 | 35:00-45:00 | 使用模式、性能注意 |
```

> 分段粒度：一般 5-15 分钟一段。短于 3 分钟的和相邻段落合并。

---

#### 4b. 生成逻辑结构图（长内容）

转录稿超过 **5000 字** 或视频 **>30 分钟**时，在笔记正文之前先生成一张**Mermaid 逻辑图**，作为内容的**知识地图**，帮助读者在深入前建立全局认知。

**选择逻辑图类型：**

| 内容结构 | 推荐图类型 | 示例 |
|---------|-----------|------|
| 层级/分类知识 | `mindmap` | 技术概念分类、知识体系 |
| 流程/步骤 | `flowchart TD` | 操作流程、算法步骤、决策树 |
| 时序/阶段 | `timeline` | 历史发展、项目阶段 |
| 对比/分类 | `flowchart LR` | 方案选型、特征对比 |
| 关系/网络 | `graph` | 概念关联、系统架构 |

```mermaid
mindmap
  root((React 状态管理))
    useState
      组件本地状态
      批量更新机制
    useReducer
      复杂状态逻辑
      依赖前状态
    Contex

_meta.json

{
  "ownerId": "kn7edjpjh5vn9pvddkg6t1481s86r67a",
  "slug": "video-to-notes",
  "version": "2.0.0",
  "publishedAt": 1783092460454
}

references/note-templates.md

# 笔记模板 & 示例

本文件提供不同场景下的笔记模板和完整示例，供 AI 在生成笔记时参考。

AI 应**根据视频内容类型自动选择**合适的模板，也可按用户要求切换。

---

## 📚 模板一：标准学习笔记（最常用）

适合：技术教程、在线课程、讲座、深度内容

```markdown
# [视频标题]

## 📋 视频信息
- **时长：** XX分钟
- **主题：** 一句话概括
- **来源：** 视频链接/路径

## 📖 内容概览

用 2-3 句话概括视频核心内容。

## 🧠 知识要点

### 1. [核心概念/模块一]

**关键定义：**
- XXX：详细解释

**原理说明：**
- 机制/流程/逻辑

**示例/类比：**
- 帮助理解的例子

### 2. [核心概念/模块二]

...

### 3. [核心概念/模块三]

...

## 💻 实战 / 代码（如有）

\`\`\`语言
代码块
\`\`\`

**关键代码解读：**
- 第X行：作用说明

## 📊 总结对比（如有）

| 对比项 | A | B |
|--------|---|---|
| 特点 | | |
| 适用 | | |
| 优劣 | | |

## 🎯 总结

- 核心收获点 1
- 核心收获点 2

## 🔗 延伸思考

- 值得进一步探索的方向
- 与其他知识的关联
- 实际应用建议
```

### 标准学习笔记 — 完整示例（虚构）

```markdown
# React 状态管理深度解析

## 📋 视频信息
- **时长：** 45分钟
- **主题：** React 中 useState、useReducer 和 Context 的工作原理及选型
- **来源：** 内部课程

## 📖 内容概览

视频深入讲解了 React 三种状态管理方案的底层机制，并通过对比分析给出了不同场景下的选型建议。核心观点是：没有银弹，选择取决于状态复杂度、更新频率和作用域。

## 🧠 知识要点

### 1. useState — 基础状态管理

**工作原理：**
- 每次 setState 触发组件重新渲染
- React 通过 Fiber 架构的"双向循环"协调更新
- 批量更新（batching）合并同一事件循环中的多次 setState

**关键特性：**
- 适合：组件内部简单状态
- 注意：状态更新是异步的，不能在 setState 后立即读取新值

### 2. useReducer — 复杂状态逻辑

**适用场景：**
- 状态逻辑复杂，包含多个子值
- 下一个状态依赖于前一个状态
- 状态变更需要集中管理

**模式对比：**
```javascript
// useState 方式
const [count, setCount] = useState(0)
setCount(c => c + 1)

// useReducer 方式
const [state, dispatch] = useReducer(reducer, initialState)
dispatch({ type: 'INCREMENT' })
```

### 3. Context + useReducer — 跨组件状态

**架构模式：**
- Context 负责"传递"（跨层级）
- useReducer 负责"管理"（逻辑集中）
- 组合使用可实现轻量级全局状态管理

**性能注意事项：**
- Context value 变化会触发所有消费者重渲染
- 解决方案：拆分 Context、使用 memo

## 🎯 选型决策树

```
简单组件内状态 → useState
状态逻辑复杂 → useReducer
跨组件共享 → Context + useReducer
大规模全局 → Redux/Zustand 等外部库
```

## 💡 总结

1. useState 是基础，80% 场景够用
2. useReducer 在状态逻辑复杂时替代 useState
3. Context 是"传递"机制，不是状态管理方案
4. 组合使用前两者 + Context 可覆盖绝大多数场景

## 🔗 延伸思考

- React 19 的 use() Hook 会如何影响状态管理模式？
- Signal（SolidJS 的方案）对比 React 的状态管理有什么不同？
```

---

## 🎓 模板二：课堂笔记风格

适合：学生网课、公开课、考试培训

```markdown
# [课程名称] — 第X讲

## 📋 课程信息
- **课程：** XXX
- **讲师：** XXX
- **时长：** XX分钟

## 📌 本讲要点

1. 要点一
2. 要点二
3. 要点三

## 📝 知识点详解

### [知识点1]
- 定义/公式
- 理解要点
- 例题

### [知识点2]
...

## ⚠️ 易错点 / 难点

- 常见错误理解
- 容易混淆的概念

## 📖 例题解析

**题目：** ...
**解题思路：** ...
**答案：** ...

## 📑 课后思考

- 课后习题
- 延伸阅读

## 📋 复习速查

- [ ] 知识点1 理解了吗？
- [ ] 知识点2 公式记住了吗？
- [ ] 例题能独立做一遍吗？
```

---

## 🏢 模板三：会议 / 演讲笔记

适合：TED 演讲、行业分享、内部会议

```markdown
# [演讲/会议标题]

## 📋 基本信息
- **主讲人：** XXX
- **背景：** 演讲/会议的背景信息
- **时长：** XX分钟

## 🎯 核心观点

一句话概括演讲者的核心论点。

## 🔑 关键要点

### 1. [要点一]
- 详细说明
- 支持数据/案例

### 2. [要点二]
...

## 📊 重要数据

- 数据点1
- 数据点2

## 💬 金句摘录

> "引用原文金句"

## ✅ 启发 & 行动项

- 可以做的 1-2-3
- 值得深入思考的点

## 🤔 批判性思考

- 论点的局限性
- 不同视角的补充
```

---

## 📰 模板四：纪录片 / 科普笔记

适合：纪录片、科普视频、深度分析、历史人文

```markdown
# [纪录片/科普标题]

## 📋 背景介绍
- 主题简介
- 发布方/作者
- 观看时间

## ⏳ 时间线 / 发展脉络

| 时间/阶段 | 事件/发现 | 意义 |
|-----------|-----------|------|
| ... | ... | ... |

## 🔬 核心发现

### 发现一：...
- 证据/数据支持
- 专家观点

### 发现二：...
...

## 📊 关键数据 & 事实

- 事实1
- 统计数字

## 🤔 个人思考

- 对内容的思考
- 与其他知识点的关联
- 启发 & 疑惑

## 📚 延伸资

references/workflow.md

# 视频转笔记 — AI 工作流参考

本文件为 AI 提供详细的技术参考。

---

## 依赖安装流程

AI 在首次使用时检测环境，然后**列出缺失项并征得用户同意后再安装**。

### 检查脚本

```bash
#!/bin/bash
# 检测脚本（仅检测，不安装）
MISSING=""

python3 --version >/dev/null 2>&1 || MISSING="$MISSING python3"
ffmpeg -version >/dev/null 2>&1 || MISSING="$MISSING ffmpeg"
python3 -c "import whisper" >/dev/null 2>&1 || MISSING="$MISSING whisper"

if [ -n "$MISSING" ]; then
  echo "缺失依赖:$MISSING"
  echo "需要用户确认后才能安装"
fi
```

> ⚡ **执行安装前必须做的事：**
> 1. 告诉用户具体缺失哪些工具/包（如 "python3, ffmpeg, openai-whisper"）
> 2. 展示完整安装命令（如 `brew install python3 ffmpeg && pip3 install openai-whisper`）
> 3. 等待用户确认后再执行

### 跨平台安装命令

| 平台 | Python3 | ffmpeg | openai-whisper |
|------|---------|--------|----------------|
| **macOS** | `brew install python3` | `brew install ffmpeg` | `pip3 install openai-whisper` |
| **Ubuntu/Debian** | `apt install python3` | `apt install ffmpeg` | `pip3 install openai-whisper` |
| **Windows** | [python.org](https://python.org) 下载 | `winget install ffmpeg` | `pip install openai-whisper` |

### yt-dlp（网络视频需要）

```bash
pip3 install yt-dlp
```

---

## 转写参数详解

### `transcribe.py` 完整参数

```
usage: transcribe.py [-h] [--model {tiny,tiny.en,base,base.en,small,small.en,medium,medium.en,large,turbo}] [--language LANGUAGE] [--output-dir OUTPUT_DIR] [--device DEVICE] [--max-files MAX_FILES] videos [videos ...]
```

### 模型详情

| 模型 | 大小 | 速度(相对) | 中文精度 | 推荐场景 |
|------|------|-----------|---------|---------|
| tiny | ~75MB | 1x | ⭐⭐ | 快速预览 |
| base | ~150MB | 2x | ⭐⭐⭐ | 日常推荐 |
| small | ~460MB | 4x | ⭐⭐⭐⭐ | 精度优先 |
| medium | ~1.5GB | 8x | ⭐⭐⭐⭐⭐ | 重要内容 |
| large | ~3GB | 16x | ⭐⭐⭐⭐⭐⭐ | 极致精度 |
| turbo | ~1.5GB | 4x | ⭐⭐⭐⭐⭐ | ⭐ 长视频首选 |

> **性能实测参考（MacBook Air M2, CPU）：**
> - base 模型：约实时 1x（10分钟视频 ≈ 10分钟转写）
> - turbo 模型：约实时 2x
> - 首次运行会自动下载模型文件（后续复用缓存）

### MPS 加速（Apple Silicon）

M 系列芯片（M1/M2/M3/M4）可启用 Metal Performance Shaders 加速：

```bash
# 自动检测（推荐）：transcribe.py 会检测 torch 是否支持 MPS
# 如可用则自动使用，无需手动指定

# 手动指定：
python3 scripts/transcribe.py course.mp4 --device mps
```

**加速效果（实测 M2 Air vs CPU）：**

| 模型 | CPU | MPS | 加速比 |
|------|-----|-----|-------|
| base | 10min | ~2.5min | ~4x |
| turbo | 20min | ~6min | ~3x |

> **注意：** 首次使用 MPS 时 PyTorch 会编译一些 kernel，前几秒稍慢。后续会话复用缓存。

### 音频预处理加速

`transcribe.py` 在提取音频时做两件事来减少转写时间：

#### 🔇 静音裁剪（默认开启）

用 `--strip-silence` 控制（默认开启，`--no-strip-silence` 关闭）。

- 裁剪首尾静音（开场白前的空白、结束后的留白）
- 裁剪中间 >0.5s 的停顿（思考间隙、翻页停顿等）
- 处理方式：ffmpeg `silenceremove` 滤镜，双向裁剪
- **效果：** 演讲/课程类视频可减少 20-40% 音频时长
- 对转写精度**无影响**（只去掉了空白，不压缩语速）

#### ⏩ 变速（可选）

用 `--speed 1.3` 开启。

- 使用 ffmpeg `atempo` 滤镜，保持音调不变
- 推荐值：**1.3x**（快 23%，精度几乎不变）
- 极限值：**1.5x**（快 33%，语速极快时可能漏字）
- 不推荐 >1.5x，会降低 Whisper 识别准确率

#### 加速效果实测

假设一个 60 分钟的中文讲座视频：

| 配置 | 音频时长 | 转写耗时（base模型） | 总时间 | 加速比 |
|------|---------|-------------------|-------|-------|
| 默认 | 60min | ~60min | ~60min | 1x |
| +strip-silence | ~40min | ~40min | ~40min | ~1.5x |
| +strip-silence +speed 1.3 | ~30min | ~30min | ~30min | ~2x |
| +turbo +strip-silence +speed 1.3 | ~30min | ~15min | ~15min | ~4x |

###

skill-card.md

## Description:

Converts user-provided local or online videos into transcripts and structured study notes using media extraction, Whisper transcription, and agent-generated Markdown note templates.

This skill is ready for commercial/non-commercial use.

## Publisher:

[yll-kb](https://clawhub.ai/user/yll-kb)

### License/Terms of Use:

MIT-0

## Use Case:

Students, self-directed learners, developers, and professionals use this skill to turn lectures, tutorials, talks, meetings, and documentaries into structured study notes. Agents can transcribe up to a small batch of videos, segment the transcript, and produce review-oriented Markdown with summaries, diagrams, key points, and quick-reference tables.

### Deployment Geography for Use:

Global

## Known Risks and Mitigations:

Risk: Videos, transcripts, and notes may contain sensitive personal, meeting, course, or business information.

Mitigation: Process only videos the user explicitly provides, tell the user where transcripts and notes will be saved, and remind them to review or delete generated files when privacy matters.

Risk: Online video download can implicate platform rules, copyright, or access restrictions.

Mitigation: Download online videos only after user approval, ask the user to confirm they have rights to use the content, and fall back to a local file when a platform blocks download.

Risk: Installing transcription and media dependencies can increase supply-chain exposure.

Mitigation: Show missing dependencies and full install commands before installation, wait for explicit user approval, and recommend virtual environments with pinned dependency versions for stronger control.

Risk: Transcription and summarization can miss words, mishear technical terms, or over-compress important details.

Mitigation: Use language hints and higher-accuracy Whisper models for important content, keep timestamped transcript output, and ask the user to review generated notes before relying on them.

## Reference(s):

- [Workflow Reference](references/workflow.md)
- [Note Templates](references/note-templates.md)
- [ClawHub Skill Page](https://clawhub.ai/yll-kb/skills/video-to-notes)

## Skill Output:

**Output Type(s):** [text, markdown, code, shell commands, configuration, guidance]

**Output Format:** [Markdown notes plus timestamped transcript text and inline shell commands]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [May create transcript text files beside the source video or in a selected output directory; temporary audio files are removed after transcription.]

## Skill Version(s):

2.0.0 (source: server release metadata)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.