{"title":"技能本身不包含语音识别引擎","detail":"需自行提供转录稿或使用外部转录工具、服务，技能不会配置转录服务。"}

{"title":"报告质量取决于转录稿、助手模型与可用工具","detail":"独立使用时需为能读取本地文件、写入 HTML 的编程助手配置模型。"}

{"title":"完整流水线需要额外安装运行环境","detail":"需 Python 3.12、uv、PATH 中的 ffmpeg / ffprobe、Node.js 22（含 npm）及 Pi 0.85.0，并配置报告模型凭据；uv sync 不会安装 Pi。"}

{"title":"流水线不支持仅修改模型名接入其他 ASR 后端","detail":"内置后端仅 mlx 与 paraformer，其他本地模型或 API 需要适配器；独立技能则可使用任意外部 ASR 工作流提供的转录稿。"}

{"title":"完整项目的原生 Windows 运行尚未被文档列为已验证","detail":"Windows 用户可先使用独立技能工作流，不能将这一入口视为完整流水线已获验证。"}

{"title":"云 ASR 会上传音频，报告模型会接收所需转录文本"}

{"title":"本地任务停止不一定终止云端计费","detail":"流水线任务执行期限为 30 分钟，不含排队时间；已提交的云 ASR 可能继续执行并产生费用。"}

{"title":"独立工作目录不是操作系统沙箱","detail":"流水线中的 Pi 可使用本地文件与 shell 工具，不能把每次任务单独建目录视为系统级隔离。"}

{"title":"已有字幕即可使用，不必重新转录","detail":"可读取 TXT、SRT 或助手能够理解的其他文本格式；没有可靠时间戳也能生成报告，但应省略无依据的章节时间。"}

{"title":"技能可脱离项目后端运行","detail":"只需保留完整技能目录，并使用能读本地文件、写 HTML 的编程助手；不要求 Python 后端、Pi RPC 或 Web UI，也不需要额外的元数据文件。"}

AI

语音识别

自动化

OCR

将音视频转录稿整理成阅读报告的AI技能

不支持通过流水线直接导入私有或需登录的视频：当前视频导入范围为公开 Bilibili 视频，不提供登录或私有视频访问。

已有课程或访谈转录稿，想整理成阅读材料：可以直接复用文本或完整字幕，通过现有编程助手生成 HTML，无需先部署完整流水线。

需要为同一素材制作速览版与标准阅读版：两种模式使用不同模板，流水线切换模式时可复用兼容的转录稿。

经常整理公开 Bilibili 视频的技术用户：可选命令行流水线把下载、转录和报告生成串起来，减少分步操作。

把视频变成阅读报告：根据转录文本生成自包含 HTML，让音视频内容以可直接打开的报告呈现。

两种阅读模式可选：提供标准阅读与精简速览，分别使用对应模板组织内容。

可选自动处理流水线：需要处理视频链接时，可用命令行串联下载、转录与报告生成。

Video Report Agent 提供供 AI 编程助手使用的视频阅读报告技能，将音视频转录稿整理为自包含 HTML，支持标准阅读与精简速览。配套网站 vreport.tri4t.xyz 可在线生成和阅读报告。技能可独立使用，无需项目后端；可选流水线自动完成公开 Bilibili 视频下载、转录与报告生成。

全文组织与信息保留：两种模式均读取完整转录稿，要求保留关键条件、归属与数字定义。

模式切换与转录复用：流水线按任务保存模式，切换后生成新报告，可复用兼容的转录稿。

网页报告与长图：流水线保存 HTML 并尝试导出 PNG；长图导出失败不等于 HTML 失败。

公开视频导入：支持公开 Bilibili 视频，不提供登录或私有视频访问，视频限长三小时。

字幕与OCR融合：默认仅做 ASR；安装增强依赖后，可启用字幕导入、OCR 与融合模式。