用 Talos 转长视频文字稿：5 分钟出 121 分钟内容

长视频正在成为主要的知识载体。公开课、访谈、直播回放动辄一小时以上，而平台提供的自动字幕是按秒切碎的无标点文本，能看，不能查。把一条 66 分钟的视频整理成逐段带时间戳、能被关键词命中的文字稿，人工听着视频逐句敲，通常需要更长时间。本次用 Talos，约 5 分钟产出 121 段、1.4 万字的可检索文字稿。

这类任务有三个不好处理的地方。一是素材本身很脏，页面是 87 讲的合集、总时长 41 小时 23 分，稍不注意就会把别讲的内容混进来；字幕是机器识别的，没有标点、没有分段，还夹着大量口头禅和听写错误。二是时间戳不能估，读者要能靠它回去核对原片。三是内容不能改，罪名、法条编号、案例里的化名必须原样保留。

通用的语音转写工具输出的是整块无分段文本，时间戳按秒切开，读者拿到手里还要再整理一遍。本次的目标是产出一份能直接检索、也能逐段核对回原片的文字稿。

第一步：把交付规格写进 Prompt

本次任务的全部要求都在一条 Prompt 里，没有追加提问。完整 Prompt：

我要把一条长视频变成一份能检索的文字稿。
            视频链接：https://www.bilibili.com/video/BV1M7411R7xW/
            这是厚大法考罗翔老师讲刑法的第一讲，时长 1 小时 6 分。页面是一个 87 讲的合集，只处理当前播放的第一讲，不要跨到别的讲。
            请你：
            1. 打开视频，把里面的语音内容完整提取成文字。
            2. 整理成一份文字稿：按语义分段，每段前面标时间戳，用 mm:ss，超过一小时的位置用 hh:mm:ss。
            3. 存成一份 md 放进本次会话目录，文件名用 罗翔讲刑法第一讲_文字稿。
            要求：
            - 时间戳真实对应视频里的位置，不要估。
            - 口头禅、重复的话可以去掉，讲课的内容和案例不能改。
            - 罪名、法条、案例里的化名按老师原话保留。
            - 做完告诉我一共多少字、文件放在哪。

这段 Prompt 有四个关键要素：

处理范围明确：点明页面是 87 讲合集、只处理当前播放的第一讲，把误取其他讲的风险先封住。 时间戳格式指定：给了毫米秒与时分秒两种格式，并划出切换的分界。 内容保真边界：口头禅可删，讲课内容、案例、罪名、法条、化名不可改。 交付与回报要求：指定文件名、存放位置，并要求回报字数与文件位置。

第二步：Talos 自动执行

接到 Prompt 后，Talos 依次完成六件事：

1. 打开视频页面：定位到当前播放的第一讲，不触发合集里的其他讲
2. 读取字幕轨道：等待片头广告播完再读，实际等待 76 秒
3. 按语义分段：以每一段的开口位置作为该段时间戳，全部取自字幕轨道
4. 按规则删减：去掉口头禅与重复语句，论证链条、案例情节、罪名、法条编号保持原样
5. 顺读识别错误：把机器听错的术语按上下文还原，存疑处单列成文末的校对说明
6. 写入文件并统计：输出 Markdown，统计段数与字数

全程约 5 分钟。

第三步：输出的文字稿结构

成稿分三部分，共 121 段正文。

部分	内容
头部信息	来源视频链接、本讲时长、时间戳来源、整理原则
正文 121 段	每段以方括号时间戳开头，后接该段内容；超过 1 小时后改用 hh:mm:ss，从 [1:00:29] 起切换
文末校对说明	7 条存疑记录，逐条写明机器字幕可疑在哪、正文怎么处理的

三组关键数字留在正文里：全稿 14026 字（含标点、不计空白），其中纯汉字 12561 字；时间戳覆盖 0:10 到 1:06:35，与第一讲等长；文末存疑清单 7 条。

指标	手动整理	Talos	变化
总耗时	—	约 5 分钟	—
字幕获取	打开页面并复制字幕，再手工清理	自动读取字幕轨道	自动完成
分段与时间戳	逐段回听核对	时间戳直接取自字幕轨道，不估	可回溯
内容清理	逐句删口头禅	按规则统一处理，存疑处单列	可核对
输出格式	文本或 Word，格式需另排	Markdown 文件，可直接检索	—
可复用性	每次重新整理	Prompt 保存复用	高

Talos 用约 5 分钟产出了 121 段、1.4 万字的文字稿，时间戳覆盖整段 66 分钟视频，没有跨入合集里的其他讲。成稿可直接用关键词检索，也能按时间戳回到原片核对。

做内容、做研究、做培训的团队都会反复遇到这一件事，区别只在频率。

单次制作：一条长视频从看到拿到可检索稿件的等待时间，压缩到一杯水的时间，会议当天就能把录像变成可引用的文本。

重复制作：这段 Prompt 保存下来改两行就能换视频，系列课、系列访谈可以按同一套规格批量产出，格式天然统一。

信息质量：时间戳来自字幕轨道本身，而不是听写后的回填，引用时能对得上原片；识别存疑的地方单列成清单，引用前知道哪里需要回听。

格式兼容：Markdown 原生可检索，也能直接转成 PDF 或 Word 发布，不需要重新排版。

1. 先划范围：素材页面是合集、列表或分P时，在 Prompt 里写明只处理当前这一条，比事后删改省事得多。
2. 给时间戳定格式和分界：写明 mm:ss 与 hh:mm:ss 的切换点，成稿格式就不会一处一样。
3. 说清哪些能删、哪些不能改：口头禅、重复语句可以删，罪名、法条、化名不能动，这条边界越具体，成稿越省复核时间。
4. 要求暴露存疑处：机器字幕一定有听错的地方，让它把可疑项单列出来，比在正文里悄悄改掉更可信。

Q：时间戳是估的吗？

A：不是。全部取自视频字幕轨道本身，每一段的时间点是该段在片中的实际开口位置，可以按时间戳回原片逐段核对。

Q：页面上是几十讲的合集，会不会混进别的讲？

A：不会。本次在 Prompt 里限定了只处理当前播放的第一讲，成稿的时间戳覆盖 0:10 到 1:06:35，与这一讲等长，合集里其余讲的内容没有进入稿件。

Q：整理后的稿子能直接对外发布吗？

A：口头禅和重复语句已按口径删掉，讲课内容、案例、罪名、法条和化名保持原样。文末的校对说明列出了 7 处机器字幕可疑点，正式发布前建议按这份清单回听一遍。

Q：这个方法能复用到别的视频吗？

A：可以。换掉视频链接、改一句时长和范围描述就行，播客、讲座录像、访谈、内部会议录屏都能用同一套 Prompt 处理。