Bilibili Subtitle Extractor v2.0.0 | B站字幕提取与 Apple Silicon 加速

v2.0.0 更新

更新日期：2026年9月8日。 本页下载包已更新为 v2.0.0，项目现在由独立 GitHub 仓库维护：

这是一个把 B站视频整理为文本的 Codex Skill。它优先使用视频已有的官方字幕；只有没有可用字幕时，才下载音频并进行语音转写。新版增加了适合 Apple Silicon Mac 的本地加速后端，保留原有 OpenAI Whisper 回退路径。

普通使用会得到两份文件：脚本先生成带时间戳的 视频标题_字幕.md，Codex 再依据原文生成 视频标题_整理版.md。整理时保留事实、数字和不确定表述，不把识别不清的内容擅自补成确定结论。

新版有哪些变化

Apple Silicon 本地加速

配置完成后，新版通过 whisper.cpp 使用 Core ML CPU/ANE 编码器与 Metal 解码器。转换采用同一个多语言 Whisper small 模型的 FLOAT16 计算图，没有换成更小的模型，也没有做低比特整数压缩。

安装脚本会准备独立的 Python 环境、固定版本的运行时和转换模型，并提供健康检查。模型和本机路径配置不随 ZIP 分发，需要在目标 Mac 上生成。

保留字幕优先与自动恢复

B站已有可用字幕时直接使用，不重复转写。
本地 JSON、SRT、VTT 文件直接导入，不下载媒体。
支持 B站 URL、BV号、本地视频和本地音频。
遇到 B站 412 等登录态问题时，保留浏览器 Cookie 恢复逻辑。
加速后端不可用或执行失败时，auto 模式会明确记录原因并回退 OpenAI Whisper。
显式选择 whispercpp 时严格报错，不会悄悄切换后端影响实验判断。

可核对的输出与日志

新版统一处理毫秒时间戳，拒绝错误的转写时间数据；可保存后端选择、耗时和原生日志，便于定位失败原因。原始字幕与整理文章分开生成，方便逐句核对后再用于公众号、博客或 Obsidian 知识库。

实测效果

在一台 M3 MacBook Air、16GB 内存上，对同一段约 5分2秒的中文视频，使用同一个多语言 small 模型，原版与最终安装版各运行三次，得到以下中位数：

指标	原版 OpenAI Whisper / CPU	v2.0.0 Core ML / Metal
完整转写耗时	227.81秒	39.92秒
累计 CPU 时间	450.89秒	12.80秒
最大 RSS	2.25GiB	0.91GiB

这次实验中，整体速度约为原版的 5.71倍，累计 CPU 时间中位数减少 97.16%。累计 CPU 时间是各线程计算时间的累计，不等于界面中瞬时 CPU 占用率。

这是整套后端升级的收益，不能全部归因于 ANE。独立的同 WAV 对照显示，编码器耗时中位数改善约3.60倍，但 Core ML 相对纯 Metal 的整段耗时优势并不稳定。实验保留了完整音频、线程数和解码设置，排除了下载与模型准备时间；正常桌面应用与动态频率仍可能造成波动。

这些结果只代表本次设备、视频和版本，不保证其他机器获得相同倍数，也没有宣称识别准确率提高。品牌、术语和数字仍建议对照原视频核验。

下载包包含什么

解压后是 bilibili-subtitle-extractor 文件夹，包含：

SKILL.md：使用流程与内容保真规则。
agents/openai.yaml：Codex Skill 元数据。
scripts/extract_bilibili_subtitles.py：字幕提取入口。
scripts/setup_whispercpp.py：Apple Silicon 加速运行时安装与健康检查。
references/：安装、后端选择和实验说明。
tests/：34项 Skill 回归测试。

ZIP 约52KB，不含模型、虚拟环境、Cookie、测试视频或本机 runtime.json。本机加速运行时会另外占用磁盘空间；测试机器约为1.5GiB。

安装与使用

将解压后的 Skill 文件夹放入 ~/.codex/skills/。已有同名版本时先备份，再更新源码文件；本机运行时配置不要从别人的电脑直接复制。

Apple Silicon 用户先准备并检查加速运行时：

python3 ~/.codex/skills/bilibili-subtitle-extractor/scripts/setup_whispercpp.py
python3 ~/.codex/skills/bilibili-subtitle-extractor/scripts/setup_whispercpp.py --doctor

安装需要 git、cmake、uv 和可用的 macOS 编译工具链。B站音频下载仍需要 yt-dlp 与 ffmpeg；OpenAI 回退需要原来的 whisper CLI。首次准备可能需要下载依赖和模型，详见仓库中的安装说明。

提取命令仍然是：

python3 ~/.codex/skills/bilibili-subtitle-extractor/scripts/extract_bilibili_subtitles.py "<input>" --output-dir "<output-dir>"

常用参数：

--backend auto
--whisper-model small
--language Chinese
--title "自定义标题"
--keep-temp
--metrics-json /absolute/path/to/metrics.json

也可以在 Codex 中调用这个 Skill，提供视频链接和保存目录，由 Codex 完成原始字幕与整理版文章。

使用边界

已有字幕或本地字幕导入无需使用加速模型。没有配置 Apple Silicon 后端时仍可使用 OpenAI Whisper，但缺少依赖或模型时需要先完成相应准备。

整理版以真实字幕为依据；转写中的模糊金额和名称应保留原文或核对视频，不应为了流畅而编造信息。独立仓库目前公开源码，但尚未指定项目开源许可证；第三方依赖适用各自的许可证。