YouTube语音摘要

技能简介

该技能将YouTube视频转换为专业播客风格的语音摘要，60秒内完成从视频到可收听音频的完整流程。

业务背景

帮助业务人员快速消化长视频内容，无需观看即可通过播客式音频掌握核心信息。适用于通勤、健身等碎片化场景，将视觉学习转为听觉学习，提升信息获取效率。支持多种声音风格匹配不同内容调性，满足营销简报、行业研报、培训素材等多场景需求。

落地案例：产品经理需分析用户评测视频，提取字幕后针对

能做什么

• 提取YouTube视频字幕并生成AI摘要
• 通过ElevenLabs将文本转为自然人声
• 支持多种声音风格（播客、新闻、 casual、温暖女声）
• 提供短/中/长三种摘要时长选择
• 可选纯文本摘要模式（更快更省成本）

使用说明

前置安装（必需）

本技能依赖独立后端服务，需先部署：

git clone https://github.com/Franciscomoney/elevenlabs-moltbot.git
cd elevenlabs-moltbot
npm install
cp .env.example .env
# 配置API密钥后启动
npm start

需在.env中填入：ElevenLabs（语音合成）、Supadata（YouTube字幕）、OpenRouter（AI摘要）三项API密钥。

调用步骤

1. 发送POST请求启动任务：

   curl -s -X POST http://127.0.0.1:3050/api/summarize \
     -H "Content-Type: application/json" \
     -d '{"url":"YOUTUBE_URL","length":"short","voice":"podcast"}'

   返回jobId用于追踪进度。

2. 轮询任务状态（间隔3-5秒）：

   curl -s http://127.0.0.1:3050/api/status/JOB_ID

3. 完成后获取audioUrl发送给用户，同时可展示teaser文案和keyPoints要点。

输入与输出

见下方输入与输出表格。

风险提示

• 视频必须开启字幕，新上传视频的自动生成字幕可能有延迟
• BASE_URL需配置为公网可访问地址，防火墙需开放3050端口
• 单次调用成本约0.06-0.17美元，含三家API费用
• 音频URL有效期受存储策略影响，建议及时收听

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/franciscoandsam/youtube-voice-summarizer-elevenlabs/SKILL.md
来源类型：GitHub仓库