@deepwhale-cn/dsh-media-batch 0.1.0 → 0.1.1

package/README.md

@@ -97,3 +97,20 @@ bash tests/run.sh
 ## License
 
 MIT © 温州深鲸智能科技有限公司
+
+
+## 语音转文字（可选，联网）
+
+`audio` 只抽音轨；要文字就用 `transcribe`，走 DeepSeek 官方 ASR：
+
+```sh
+export DEEPSEEK_API_KEY=sk-...
+dsh-media-batch transcribe --input 会议录音.mp4 --out out
+```
+
+- 输入：视频或音频（m4a / mp3 / wav / aac / flac / ogg / opus / amr / wma …）
+- 自动用 ffmpeg 抽成 16 kHz 单声道 WAV，按 `--segment`（默认 110 秒）切片，再逐段上传
+- 限制（官方）：单段 ≤ 8 MiB、≤ 120 秒；语种自动识别，不用传参数
+- 计费：0.39 元/小时（限时 5 折，刊例 0.78）；跑完打印时长与估算费用
+- 输出：`<原名>.转写.txt`；多段按空行拼接
+- **只有 `transcribe` 会联网**

package/bin/cli.mjs

@@ -21,6 +21,8 @@ import { basename, dirname, extname, join, resolve } from 'node:path';
 import { tmpdir } from 'node:os';
 import { fileURLToPath } from 'node:url';
 
+import { CloudError, asrFile } from '../lib/cloud.mjs';
+
 const PKG_ROOT = join(dirname(fileURLToPath(import.meta.url)), '..');
 const WM_PNG = join(PKG_ROOT, 'lib', 'watermark_png.py');
 const CMD_NAME = 'dsh-media-batch';
@@ -30,6 +32,11 @@ const VIDEO_EXTS = new Set([
   '.mts', '.mpg', '.mpeg', '.wmv', '.3gp',
 ]);
 
+const AUDIO_EXTS = new Set([
+  '.m4a', '.mp3', '.wav', '.aac', '.flac', '.ogg', '.opus', '.amr', '.wma', '.aiff', '.aif',
+]);
+const TRANSCRIBE_EXTS = new Set([...VIDEO_EXTS, ...AUDIO_EXTS]);
+
 const COMMANDS = {
   compress: { actions: [], modes: {} },
   transcode: { actions: ['format', 'resize'], modes: { format: 'format', resize: 'resize' } },
@@ -37,12 +44,13 @@ const COMMANDS = {
   audio: { actions: ['m4a', 'mp3'], modes: { m4a: 'm4a', mp3: 'mp3' } },
   watermark: { actions: ['text'], modes: { text: 'text' } },
   subtitle: { actions: ['burn'], modes: { burn: 'burn' } },
+  transcribe: { actions: [], modes: {} },
 };
 
 const VALUE_FLAGS = new Set([
   '--input', '--out', '--crf', '--preset', '--format', '--width', '--height',
   '--every', '--fps', '--text', '--position', '--fontsize', '--opacity',
-  '--subtitle', '--bitrate',
+  '--subtitle', '--bitrate', '--segment',
 ]);
 const BOOL_FLAGS = new Set(['--json', '--demo', '--probe', '--help', '-h']);
 
@@ -93,6 +101,7 @@ function printHelp() {
   audio        抽音轨（动作 m4a|mp3 或 --format m4a|mp3，--bitrate）
   watermark    文字水印（--text 必填，--position tl|tr|bl|br|center，--fontsize，--opacity）
   subtitle     烧录 .srt 字幕（--subtitle 必填；需 ffmpeg 带 libass）
+  transcribe   语音转文字（官方 ASR，需 DEEPSEEK_API_KEY；--segment 默认 110 秒）
 
 示例：
   ${CMD_NAME} compress --crf 28 --input raw/
@@ -101,6 +110,7 @@ function printHelp() {
   ${CMD_NAME} audio mp3 --input clip.mp4
   ${CMD_NAME} watermark --text "内部资料" --position br --input clip.mp4
   ${CMD_NAME} subtitle --subtitle a.srt --input clip.mp4
+  ${CMD_NAME} transcribe --input 会议录音.mp4    # 联网，按 0.39 元/小时（限时 5 折）计费
   ${CMD_NAME} --probe           # 探测 ffmpeg 能力（libass / drawtext / 编码器）
   ${CMD_NAME} --demo            # 自造样例跑完整流程，打印产物路径
 
@@ -116,6 +126,7 @@ function printHelp() {
   · 依赖 ffmpeg / ffprobe；缺失时明确提示「缺什么、怎么装」。
   · 文字水印：有 drawtext 用 drawtext，没有则自动回退 PNG+overlay，并在结果里标明。
   · 字幕烧录：本机 ffmpeg 无 libass 时明确报「本机 ffmpeg 无字幕烧录能力」，不假装成功。
+  · 只有 transcribe 会把音频发给 api.deepseek.com；其余子命令全程本地。
   · 退出码：0 成功 / 2 参数或输入错误 / 3 依赖或能力缺失 / 4 执行失败。`);
 }
 
@@ -126,7 +137,7 @@ function parseArgs(argv) {
     inputs: [], out: null, json: false, demo: false, probe: false, help: false,
     crf: null, preset: null, format: null, width: null, height: null, every: null,
     fps: null, text: null, position: null, fontsize: null, opacity: null,
-    subtitle: null, bitrate: null, positionals: [],
+    subtitle: null, bitrate: null, segment: null, positionals: [],
   };
   for (let i = 0; i < argv.length; i += 1) {
     const raw = argv[i];
@@ -170,6 +181,7 @@ function parseArgs(argv) {
         case '--opacity': opts.opacity = value; break;
         case '--subtitle': opts.subtitle = value; break;
         case '--bitrate': opts.bitrate = value; break;
+        case '--segment': opts.segment = value; break;
         default: break;
       }
       continue;
@@ -317,7 +329,7 @@ function verifyOutput(ffprobe, file, { needVideo = true, needAudio = false } = {
 
 // ------------------------------------------------------------------ 输入/输出
 
-function collectInputs(opts, json) {
+function collectInputs(opts, json, exts = VIDEO_EXTS) {
   const seen = new Set();
   const files = [];
   for (const raw of opts.inputs) {
@@ -333,7 +345,7 @@ function collectInputs(opts, json) {
     const st = statSync(abs);
     if (st.isDirectory()) {
       const entries = readdirSync(abs)
-        .filter((f) => VIDEO_EXTS.has(extname(f).toLowerCase()))
+        .filter((f) => exts.has(extname(f).toLowerCase()))
         .filter((f) => {
           try { return statSync(join(abs, f)).isFile(); } catch { return false; }
         })
@@ -342,7 +354,7 @@ function collectInputs(opts, json) {
         fail(`目录里没有视频文件：${raw}`, {
           code: 2,
           json,
-          hint: `支持的扩展名：${[...VIDEO_EXTS].join(' ')}`,
+          hint: `支持的扩展名：${[...exts].join(' ')}`,
           extra: { input: raw },
         });
       }
@@ -351,11 +363,11 @@ function collectInputs(opts, json) {
         if (!seen.has(full)) { seen.add(full); files.push(full); }
       }
     } else if (st.isFile()) {
-      if (!VIDEO_EXTS.has(extname(abs).toLowerCase())) {
-        fail(`不是支持的视频文件：${raw}`, {
+      if (!exts.has(extname(abs).toLowerCase())) {
+        fail(`不是支持的文件：${raw}`, {
           code: 2,
           json,
-          hint: `支持的扩展名：${[...VIDEO_EXTS].join(' ')}`,
+          hint: `支持的扩展名：${[...exts].join(' ')}`,
           extra: { input: raw },
         });
       }
@@ -872,6 +884,96 @@ function runDemo(opts) {
 
 // ------------------------------------------------------------------ 主流程
 
+
+// ------------------------------------------------------------------ 语音转写（官方 ASR）
+
+function runTranscribe(opts, env) {
+  const segment = opts.segment == null ? 110 : Number(opts.segment);
+  if (!Number.isFinite(segment) || segment < 10 || segment > 120) {
+    fail(`--segment 需要 10~120 的数值（官方单次上限 120 秒），收到：${opts.segment}`, {
+      code: 2, json: opts.json, hint: '默认 110 秒；再长会被官方接口拒绝',
+    });
+  }
+  const files = collectInputs(opts, opts.json, TRANSCRIBE_EXTS);
+  const outDir = defaultOutDir(files, opts);
+  mkdirSync(outDir, { recursive: true });
+
+  (async () => {
+    const outputs = [];
+    let totalSec = 0;
+    for (const file of files) {
+      const info = probeFile(env.ffprobe, file);
+      if (!info.ok) {
+        fail(`读不出音视频信息：${basename(file)}`, {
+          code: 4, json: opts.json, hint: info.stderr || '文件可能损坏', extra: { input: file },
+        });
+      }
+      const tmp = mkdtempSync(join(tmpdir(), 'dsh-media-asr-'));
+      try {
+        const r = run(env.ffmpeg, [
+          '-y', '-v', 'error', '-i', file,
+          '-vn', '-ac', '1', '-ar', '16000', '-c:a', 'pcm_s16le',
+          '-f', 'segment', '-segment_time', String(Math.floor(segment)), '-reset_timestamps', '1',
+          join(tmp, 'part%04d.wav'),
+        ]);
+        if (!r.ok) {
+          fail(`抽音频失败：${basename(file)}`, {
+            code: 4, json: opts.json,
+            hint: (r.stderr || r.error?.message || '').slice(0, 400) || '确认文件里有音轨',
+            extra: { input: file },
+          });
+        }
+        const parts = readdirSync(tmp).filter((f) => f.endsWith('.wav')).sort();
+        if (parts.length === 0) {
+          fail(`没有可转写的音频：${basename(file)}`, {
+            code: 4, json: opts.json, hint: '文件可能没有音轨', extra: { input: file },
+          });
+        }
+        const texts = [];
+        let ms = 0;
+        for (const part of parts) {
+          try {
+            const res = await asrFile(join(tmp, part));
+            texts.push(res.text);
+            ms += res.duration_ms || 0;
+          } catch (e) {
+            if (e instanceof CloudError) {
+              fail(e.message, { code: e.code, hint: e.hint, json: opts.json, extra: { input: file, part } });
+            }
+            fail(`转写失败：${e?.message || e}`, { code: 4, json: opts.json, extra: { input: file, part } });
+          }
+        }
+        const body = texts.join('\n\n');
+        const out = uniquePath(outDir, `${stemOf(file)}.转写`, '.txt');
+        writeFileSync(out, body, 'utf8');
+        const sec = ms / 1000;
+        totalSec += sec;
+        outputs.push({
+          input: file, output: out, segments: parts.length,
+          durationSec: Number(sec.toFixed(1)), chars: body.length,
+        });
+        if (!opts.json) {
+          console.log(`  ✅ ${basename(file)} · ${parts.length} 段 · ${sec.toFixed(1)} 秒 · ${body.length} 字 → ${out}`);
+        }
+      } finally {
+        rmSync(tmp, { recursive: true, force: true });
+      }
+    }
+    const cost = Number((totalSec / 3600 * 0.39).toFixed(4));
+    if (opts.json) {
+      console.log(JSON.stringify({
+        ok: true, command: 'transcribe', outDir,
+        files: files.length, durationSec: Number(totalSec.toFixed(1)),
+        costYuan: cost, costYuanList: Number((totalSec / 3600 * 0.78).toFixed(4)), outputs,
+      }));
+    } else {
+      console.log('');
+      console.log(`✅ 转写完成：${files.length} 个文件 · ${(totalSec / 60).toFixed(1)} 分钟 · 约 ${cost} 元（ASR 限时 5 折 0.39 元/小时）`);
+      console.log(`  输出：${outDir}`);
+    }
+  })().catch((e) => fail(`转写执行失败：${e?.message || e}`, { code: 4, json: opts.json }));
+}
+
 function main() {
   const argv = process.argv.slice(2);
   if (argv.length === 0) {
@@ -968,6 +1070,8 @@ function main() {
     });
   }
 
+  if (cmd === 'transcribe') { runTranscribe(opts, env); return; }
+
   // 数值校验
   const intOpt = (name, raw, min, max, dflt) => {
     if (raw == null) return dflt;

package/lib/cloud.mjs

@@ -0,0 +1,107 @@
+/**
+ * 官方「全家桶应用 API」· 语音识别（ASR）客户端（Node 侧）
+ *
+ * 用途：把音频交给 DeepSeek 官方 ASR 接口，返回整段转写文本。
+ * 官方限制：16 位 PCM WAV 或 Ogg Opus；单次 ≤ 8 MiB；≤ 120 秒。
+ * 边界：只有显式跑 `transcribe` 子命令才联网，其它子命令完全本地。
+ */
+import { readFileSync, statSync } from 'node:fs';
+import { basename } from 'node:path';
+
+const DEFAULT_BASE = 'https://api.deepseek.com';
+const MAX_BYTES = 8 * 1024 * 1024;
+
+export class CloudError extends Error {
+  constructor(message, { hint = '', code = 4, extra = {} } = {}) {
+    super(message);
+    this.name = 'CloudError';
+    this.hint = hint;
+    this.code = code;
+    this.extra = extra;
+  }
+}
+
+export function baseUrl() {
+  return (process.env.DEEPSEEK_BASE_URL || DEFAULT_BASE).replace(/\/+$/, '');
+}
+
+export function requireKey() {
+  const key = process.env.DEEPSEEK_API_KEY;
+  if (!key) {
+    throw new CloudError('缺少 DEEPSEEK_API_KEY', {
+      code: 3,
+      hint: 'transcribe 要调用官方 ASR 接口，需要先设置环境变量：\n  export DEEPSEEK_API_KEY=sk-...\nKey 在 platform.deepseek.com 申请；不联网的本地命令不受影响。',
+    });
+  }
+  return key;
+}
+
+const STATUS_HINT = {
+  400: '音频格式不受支持：需要 16 位 PCM WAV 或 Ogg Opus（本工具已用 ffmpeg 转 16k 单声道 WAV）',
+  408: '上传未在 10 分钟内完成：换更小的片段或更好的网络',
+  413: '音频超过 8 MiB：把 --segment 调小',
+  429: '并发请求超上限（每账号 50 个）：等前面的跑完再试',
+  503: '服务繁忙：稍后重试',
+  504: '识别超时：把片段切短一点',
+};
+
+function parseJsonLoose(text) {
+  const i = text.indexOf('{');
+  if (i < 0) throw new CloudError('响应不是 JSON', { hint: `返回内容前 200 字：${text.slice(0, 200)}` });
+  return JSON.parse(text.slice(i));
+}
+
+export function asrMaxBytes() { return MAX_BYTES; }
+
+export async function asrFile(filePath) {
+  const key = requireKey();
+  const size = statSync(filePath).size;
+  if (size > MAX_BYTES) {
+    throw new CloudError(`音频片段超过 8 MiB（${(size / 1048576).toFixed(1)} MiB）`, {
+      hint: '把音频切短（--segment 调小），或降到 16 kHz 单声道',
+    });
+  }
+  const form = new FormData();
+  form.set('file', new Blob([readFileSync(filePath)]), basename(filePath));
+
+  let res;
+  try {
+    res = await fetch(`${baseUrl()}/v1/tools/asr`, {
+      method: 'POST',
+      headers: { authorization: `Bearer ${key}` },
+      body: form,
+    });
+  } catch (e) {
+    throw new CloudError('连不上 ASR 接口（网络错误）', {
+      hint: `目标：${baseUrl()}/v1/tools/asr\n原因：${e?.message || e}`,
+    });
+  }
+
+  const raw = await res.text();
+  let body;
+  try {
+    body = parseJsonLoose(raw);
+  } catch (e) {
+    throw new CloudError(`ASR 返回无法解析（HTTP ${res.status}）`, {
+      hint: `返回内容前 200 字：${raw.slice(0, 200)}`,
+      extra: { status: res.status },
+    });
+  }
+  if (body.error) {
+    throw new CloudError(`ASR 失败：${body.error.message || '未知错误'}`, {
+      hint: STATUS_HINT[res.status] || '参见官方文档 /zh-cn/guides/asr',
+      extra: { status: res.status, error: body.error },
+    });
+  }
+  if (!res.ok) {
+    throw new CloudError(`ASR 请求失败（HTTP ${res.status}）`, {
+      code: 4,
+      hint: STATUS_HINT[res.status] || '参见官方文档 /zh-cn/guides/asr',
+      extra: { status: res.status },
+    });
+  }
+  if (typeof body.text !== 'string') {
+    throw new CloudError('ASR 响应缺少 text 字段', { hint: '接口结构可能已变更，参见官方文档' });
+  }
+  return body;
+}

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "@deepwhale-cn/dsh-media-batch",
-  "version": "0.1.0",
-  "description": "视频批量压缩 / 转码 / 截帧 / 加字幕 / 加水印 / 提取音频（ffmpeg）",
+  "version": "0.1.1",
+  "description": "视频批量压缩 / 转码 / 截帧 / 加字幕 / 加水印 / 提取音频（ffmpeg）；可选用官方 ASR 转写",
   "type": "module",
   "license": "MIT",
   "keywords": ["dsh", "dsh-plugin", "deepseek-harness", "skill", "tool", "media-batch"],

package/skill/media-batch.md

@@ -58,3 +58,16 @@
 
 把产物路径 + 可核对数据（压缩前后字节、ffprobe 编码/分辨率/时长、抽帧数量、抽音轨编码、
 水印 renderer、字幕能力分支）告诉用户；产物不要用「应该可以」描述，以磁盘和 ffprobe 输出为准。
+
+
+## 语音转写（需要联网，先确认用户知情）
+
+要文字而不是音轨时：
+
+```sh
+export DEEPSEEK_API_KEY=sk-...
+dsh-media-batch transcribe --input <文件或目录> --segment 110 --out <目录>
+```
+
+- 计费 0.39 元/小时（限时 5 折）；先告诉用户「会上传音频到 api.deepseek.com，按时长计费」。
+- 长音频自动切片，无需手动分段；其它子命令不联网。