ops: 新增 course-toolkit（YouTube 课程下载+转写+成册工具，含踩坑记录）

2026-09-12 19:03:17 +08:00
parent 9a43ecfedf
commit 5629d57ea7
4 changed files with 214 additions and 0 deletions
@@ -0,0 +1,34 @@
+#!/bin/bash
+# fetch_course.sh — 下载 YouTube 课程视频 + 本地转写 + 组装教程
+#
+# 用法:
+#   ./fetch_course.sh <playlist_url或单个视频url> <输出目录>
+#
+# 环境变量(可选):
+#   PROXY    代理，默认 socks5://192.168.27.96:1080
+#   MODEL    whisper 模型，默认 base.en（英文用 base.en/small.en，中文用 small）
+#   LANG     语言，默认 en（中文用 zh）
+#   JOBS     并行数，默认 4
+#   FMT      yt-dlp 格式，默认 18（360p 渐进式，含音轨；见 README 画质说明）
+set -uo pipefail
+URL="${1:?用法: ./fetch_course.sh <url> <输出目录>}"
+OUT="${2:?缺少输出目录}"
+PROXY="${PROXY:-socks5://192.168.27.96:1080}"
+MODEL="${MODEL:-base.en}"; LG="${LANG:-en}"; JOBS="${JOBS:-4}"; FMT="${FMT:-18}"
+HERE="$(cd "$(dirname "$0")" && pwd)"
+mkdir -p "$OUT/videos" "$OUT/transcripts" "$OUT/clean"
+
+if [ ! -s "$OUT/manifest.txt" ]; then
+  echo "[*] 枚举视频列表..."
+  yt-dlp --proxy "$PROXY" --no-warnings --flat-playlist \
+    --print "%(playlist_index)s|%(id)s|%(title)s" "$URL" > "$OUT/_raw.txt" || { echo "枚举失败"; exit 1; }
+  python3 "$HERE/course_util.py" manifest "$OUT/_raw.txt" > "$OUT/manifest.txt"
+fi
+echo "[*] 待处理视频: $(grep -c . "$OUT/manifest.txt") 个 | 模型=$MODEL 并行=$JOBS"
+
+export PROXY MODEL LANG="$LG" OUT HERE FMT
+grep -v '^[[:space:]]*$' "$OUT/manifest.txt" | xargs -P "$JOBS" -I{} "$HERE/worker.sh" "{}"
+
+python3 "$HERE/course_util.py" clean "$OUT"
+echo "[*] 全部完成: $OUT"
+echo "[*] 下一步: 在 $OUT/guides/ 放中文导读(<NN>.txt)后运行  course_util.py build $OUT"