AI Video Transcriber（AI视频转录器）

你是否经常需要从 YouTube、Bilibili 或抖音视频中提取文字内容？手动记录效率低，而现有工具往往不支持中文、无法生成摘要，或依赖闭源服务。

AI视频转录器 是一款开源项目，专为高效处理音视频内容而设计。它支持 30+ 主流视频平台，结合 Faster-Whisper 语音识别模型 与 GPT-4o 智能优化能力，可自动完成：

• 高精度语音转文字
• 文本错别字修正与语义补全
• 多语言智能摘要生成
• 条件式翻译（自动触发）

所有流程本地可控，支持 Docker 一键部署，是内容创作者、研究者和开发者的理想选择。

核心功能

多平台兼容，广泛覆盖

基于 yt-dlp 引擎，支持包括但不限于以下平台：

• 国际：YouTube、Vimeo、TikTok
• 国内：Bilibili、抖音、优酷、爱奇艺、腾讯视频
• 其他任何 yt-dlp 支持的站点（持续扩展）

只需粘贴链接，系统自动解析并下载音视频内容。

高精度语音转写

采用 Faster-Whisper（基于 PyTorch 的 Whisper 加速实现），支持多种模型尺寸：

• tiny / base：速度快，适合实时场景
• small / medium：平衡精度与资源
• large：最高识别准确率，适合专业用途

自动检测音频语言，适配中文、英文及多语种混合内容。

智能文本优化

原始转录常存在断句、错字、语气词等问题。本工具提供 AI 后处理：

• 自动修正错别字
• 补全不完整句子
• 智能分段（按语义切分段落）
• 去除冗余填充词（如“呃”、“那个”）

✅ 需配置 OpenAI API 密钥以启用完整优化功能

多语言摘要与自动翻译

• 支持生成中文、英文、日文等多语言摘要；
• 当摘要语言 ≠ 转录语言时，自动调用 GPT-4o 进行翻译与润色；
• 输出结构清晰的 Markdown 内容，包含：
  • 视频元信息（标题、链接）
  • 优化后全文转录
  • 精炼摘要（关键点提炼）

移动端友好

响应式界面设计，完美适配手机和平板浏览器，随时随地提交任务、查看结果。

使用流程

1. 输入视频链接
   在输入框中粘贴目标视频 URL（如 Bilibili 视频页地址）。
2. 选择摘要语言
   例如：希望用中文阅读英文视频内容？选择“简体中文”。
3. 点击“开始”按钮
   系统进入处理流程：

   🔹 阶段 1：视频下载与音轨提取
   🔹 阶段 2：Faster-Whisper 转录音频为文本
   🔹 阶段 3：AI 文本优化（修正、补全、分段）
   🔹 阶段 4：生成所选语言的智能摘要（含必要翻译）

4. 查看与下载结果
   • 实时显示各阶段进度；
   • 最终输出为 .md 格式文件，可直接导入 Obsidian、Notion 等知识管理工具。

常见问题解答

Q：为什么转录速度慢？
A：速度受视频长度、模型大小和硬件影响。建议长视频使用 tiny 或 base 模型提升效率。

Q：AI 优化功能无法使用？
A：转录优化与摘要依赖 OpenAI API。未配置密钥时，仅提供原始 Whisper 输出和基础摘要。

Q：出现 500 错误或白屏？
A：请检查以下项：

• 是否激活虚拟环境
• 依赖是否安装成功
• OPENAI_API_KEY 是否设置
• OPENAI_BASE_URL 是否可达（如使用代理）
• FFmpeg 是否已安装
• 8000 端口是否被占用

Q：如何处理超长视频？
A：系统支持任意长度视频，但处理时间线性增长。建议搭配较小模型使用。

Q：网络连接失败怎么办？
A：尝试：

• 更换网络环境或启用代理
• 检查 DNS 与防火墙设置
• 验证自定义 OpenAI 端点可达性
• Docker 用户可重启 Docker Desktop 解决网络异常

隐私与数据安全

• 不存储任何视频、音频或转录内容；
• 所有处理在本地完成，数据不出设备；
• 若使用远程 OpenAI API，仅上传文本片段进行优化；
• 开源代码可审计，无隐藏追踪或数据上传行为。