音频关键字过滤工具
基于 FunASR 语音识别和 FFmpeg 剪辑的音频关键字过滤 Skill
功能特性
- 精确转录: 使用 FunASR Paraformer 进行 30s 分段转录，获取字符级时间戳
- 关键字识别: 根据配置文件自动识别音频中的关键字
- 智能剪辑: 使用 FFmpeg 精确删除关键字片段并合成最终音频
- 可配置: 支持自定义关键字列表和缓冲时间
使用场景
- YouTube 转播客: 删除视频中的"关注"、"订阅"、"点赞"等引导语
- 广告过滤: 自动删除音频中的广告和推广内容
- 内容清理: 批量处理音频，删除不需要的关键字片段
快速开始
基本用法
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py <音频文件>指定输出文件
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py \
input.mp3 \
-o output.mp3使用自定义关键字配置
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py \
input.mp3 \
-k my_keywords.json调整缓冲时间
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py \
input.mp3 \
--buffer-before 1.0 \
--buffer-after 1.0工作流程
1. 音频转录（FunASR 30s 分段）
↓
2. 加载关键字配置
↓
3. 查找关键字位置（字符级时间戳）
↓
4. 生成删除计划（合并重叠片段）
↓
5. FFmpeg 剪辑并合成
↓
6. 输出处理后的音频关键字配置文件
配置文件位于: ~/.claude/skills/audiocut-keyword/config/keywords.json
{
"keywords": [
"广告",
"赞助",
"推广",
"关注",
"订阅",
"点赞",
"转发",
"分享",
"评论区",
"链接在简介",
"微信公众号",
"小程序"
],
"buffer_before": 0.5,
"buffer_after": 0.5,
"description": "关键字配置文件"
}配置说明
keywords: 关键字列表，支持中文和英文buffer_before: 删除前缓冲时间（秒），避免删除不完整buffer_after: 删除后缓冲时间（秒），避免删除不完整
技术实现
1. 音频转录
使用 FunASR Paraformer 模型进行 30s 分段转录：
- 模型:
paraformer-zh(中文语音识别) - 分段策略: 30s 一段，避免长音频时间戳漂移
- 时间戳精度: 字符级（毫秒级）
- 输出格式: JSON（包含每个字符的 start/end 时间戳）
2. 关键字识别
- 在转录文本中使用正则表达式查找关键字
- 根据字符位置获取对应的时间戳
- 记录上下文信息，便于审查
3. 删除计划生成
- 为每个关键字添加前后缓冲时间
- 合并重叠的时间段，避免重复删除
- 生成最终的删除片段列表
4. 音频剪辑
使用 FFmpeg filter_complex 进行无损剪辑：
ffmpeg -i input.mp3 \
-filter_complex "[0:a]atrim=start=0:end=10,asetpts=PTS-STARTPTS[a0];
[0:a]atrim=start=15:end=30,asetpts=PTS-STARTPTS[a1];
[a0][a1]concat=n=2:v=0:a=1[outa]" \
-map "[outa]" output.mp3输出文件
处理完成后会生成以下文件：
<原文件名>_filtered.mp3- 处理后的音频<原文件名>_delete_plan.json- 删除计划（包含匹配信息）<原文件名>_transcript.json- 转录文件（可选保留）
命令行参数
usage: audiocut_keyword.py [-h] [-o OUTPUT] [-k KEYWORDS]
[--buffer-before BUFFER_BEFORE]
[--buffer-after BUFFER_AFTER]
[--keep-transcript]
input_audio
positional arguments:
input_audio 输入音频文件
optional arguments:
-h, --help 显示帮助信息
-o OUTPUT, --output OUTPUT
输出音频文件（默认：输入文件名_filtered.mp3）
-k KEYWORDS, --keywords KEYWORDS
关键字配置文件（默认：config/keywords.json）
--buffer-before BUFFER_BEFORE
删除前缓冲时间（秒，默认：0.5）
--buffer-after BUFFER_AFTER
删除后缓冲时间（秒，默认：0.5）
--keep-transcript 保留转录文件依赖安装
FunASR 环境（推荐）
使用预配置的 Python 3.10 环境：
# FunASR 环境已预安装在 skill 目录
~/.claude/skills/audiocut-keyword/funasr_env_310/包含：
- Python 3.10
- torch 2.10.0
- funasr 1.3.0
手动安装 Python 依赖
pip install funasr modelscope系统依赖
- FFmpeg (用于音频处理)
- ffprobe (用于获取音频信息)
模型下载
首次运行会自动下载 FunASR 模型（约 2GB）到 ~/.cache/modelscope/
性能参考
| 指标 | 值 |
|---|---|
| 转录速度 | ~0.16x 实时（1分钟音频约10秒处理） |
| 剪辑速度 | 几乎瞬时完成 |
| 15分钟音频 | 总处理时间约 2-3 分钟 |
*测试环境：M1 Mac，CPU 推理*
集成到 youtube-to-xiaoyuzhou
在 youtube-to-xiaoyuzhou 工作流中使用：
# 下载 YouTube 音频后
audio_file = "downloaded_audio.mp3"
# 过滤关键字
filtered_audio = audiocut_keyword(audio_file)
# 上传到小宇宙
upload_to_xiaoyuzhou(filtered_audio)注意事项
- 首次运行: 需要下载 FunASR 模型，可能需要几分钟
- 音频格式: 支持 MP3, WAV, M4A 等常见格式
- 关键字匹配: 精确匹配，不支持模糊匹配
- 缓冲时间: 建议设置 0.5-1.0 秒，避免删除不完整
- 长音频: 30s 分段策略确保时间戳精确，无长度限制
常见问题
Q1: 转录准确率低
原因: 背景噪音大、口音重、音质差
解决:
- 使用降噪工具预处理音频
- 调整音频采样率为 16kHz
- 检查音频是否清晰
Q2: 关键字未被识别
原因: 转录错误或关键字配置不准确
解决:
- 检查转录文件
*_transcript.json中的文本 - 调整关键字配置，使用转录中的实际文本
- 添加关键字的变体（如"关注"、"关注一下"）
Q3: 删除了不该删除的内容
原因: 关键字过于宽泛或缓冲时间过长
解决:
- 使用更具体的关键字
- 减小缓冲时间
- 检查删除计划文件
*_delete_plan.json
Q4: FFmpeg 执行失败
原因: FFmpeg 未安装或版本过旧
解决:
# macOS
brew install ffmpeg
# Ubuntu/Debian
sudo apt-get install ffmpeg
# 检查版本
ffmpeg -version示例
示例 1: 处理 YouTube 音频
# 下载 YouTube 音频
yt-dlp -x --audio-format mp3 https://youtu.be/xxxxx -o input.mp3
# 过滤关键字
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py input.mp3
# 输出: input_filtered.mp3示例 2: 自定义关键字
创建 my_keywords.json:
{
"keywords": ["广告", "赞助商", "推广链接"],
"buffer_before": 1.0,
"buffer_after": 1.0
}运行:
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py \
input.mp3 \
-k my_keywords.json示例 3: 批量处理
for file in *.mp3; do
python3 ~/.claude/skills/audiocut-keyword/scripts/audiocut_keyword.py "$file"
done未来扩展
- 支持模糊匹配和正则表达式
- 支持多语言（英文、日文等）
- 添加 GUI 界面
- 支持实时预览删除效果
- 集成到更多播客工作流
License
MIT