在 Hermes Agent 上做了个很草台的视频转录 STT Skill，主要是为了让 LLM 能够阅读无字幕的 Youtube/Bilibili 视频并生成一些文字稿件。由于不带有截图能力，所以不太适合那些图文并茂的视频，更适合博客类型的，比如睡前消息、新闻播报、讲座或者课程等等。
大概流程就是先检查能否下载字幕，如果不能的话就下载音频然后通过 Whisper STT 转录。转录完成之后，会由大模型对内容做一遍订正，修正一些转录后出现的错别字，然后保存到本地目录下。
我找了一个 Pocket4 评测视频测了测，校正后的逐字稿大概效果是这样的，整体上看还挺凑合，阅读起来没什么阻碍。
MARKDOWN
# 视频信息
**标题：** Pocket 4 vs Pocket 3 深度对比评测
**链接：** https://www.bilibili.com/video/BV1AgdpB3Edh
**平台：** Bilibili
**视频 ID：** BV1AgdpB3Edh
**时长：** 约 9-10 分钟
**转录日期：** 2026-04-21
**模型：** Whisper base
---
# 分章节精校版
## 第一章：开场说明（00:00 - 00:30）
这是我两年多前首发买的 Pocket 3，这是我今年 1 月份收到、目前用了 3 个月的 Pocket 4。今天这个视频我会从航拍到拍摄，讲讲 Pocket 4 对于 Pocket 3 所有的这些改变。但是提前说明，本期视频会非常非常的主观，可能和一些首发博主的观点会有不一样的地方，所以说仅供参考。
---
## 第二章：云台手感与重量（00:30 - 01:38）
首先是握持手感的变化。4 的花纹变得更大、更深了。虽然说 3 我也没出现过抓不住掉地上的情况，但就是感觉 4 的这个摸着更得劲。这就是 4 的摸着的、摸着的、摸着的、摸着。这改动我愿意给到顶级，确实摸上去就感觉不一样了。
然后是重量。Pocket 4 比 Pocket 3 重了差不多 10 克，按理说这是一个反向的升级，但是这 10 克带来的确实是一些性能上的提升。而且说白了很多人出门都会带上各种配件，比如说续航手柄、底座，那些完全增加了重量，远远超过这个单机身的增加。但是目前这 10 克和它的提升来看，只能给到人上人，甚至我觉得它增重的程度还不够，它还可以应该更重一点，然后换取更大的底、更好的性能、更好的画质。
---
## 第三章：摇杆与保护盖（01:38 - 02:54）
接下来 Pocket 4 的这个摇杆升级，这一项毫无疑问给到顶级。就当用过 Pocket 4 的摇杆再回到 3，就感觉"这是什么玩意儿"。无论是手感、建成、精细操作，4 都遥遥领先 3 的这个。
下一个外观改动是存储卡的保护盖，确实客观上提高了它的防护。但我觉得 Pocket 3 本身它耐用性已经非常好，我这台机器我都不知道摔过多少次了，直到今天它依然没有任何问题。所以在一个已经非常牛 X 的防护上再加一层防护，我觉得有提升但是有限，所以就给一个人上人吧。
那接下来是这个有点争议的保护盖的改动，从原来这一整个改成了这么一个云台的锁扣。我这个保护盖是从来不带出门，我只要出门一定裸奔。所以不管是这个大的还是这个小的，自从开了箱以后就把它直接扔在了包装盒。因为我觉得每次如果再多加上这么一步，真的很打断我的拍摄节奏。而且我真的不知道什么时候应该把它重新装回去，因为如果我一整天在那边拍摄，我可能就处在那种"拍五分钟拍一分钟"不断循环的状态，就感觉根本用不到这个。所以我觉得这个改动确实跟我不太相关，就给到一个 NPC 吧。