AI 视频图文创作助手（AI-Media2Doc）

AI 视频图文创作助手是一个开源的 Web 工具，能将视频或音频内容一键转化为多种风格的结构化文档——比如小红书笔记、微信公众号文章、知识卡片、思维导图或内容摘要。整个过程无需注册登录，支持前后端本地部署，数据完全留在你自己的设备上。

为什么做这个工具？

开发者最初只是想把感兴趣的视频内容转成文字，方便阅读、思考和做笔记。但市面上的工具大多要求注册、付费，或需上传内容到第三方平台，既不方便也不安全。于是，他动手做了这个 MIT 协议开源的小应用，让每个人都能以极低的成本、在本地完成音视频到图文的转换。

核心功能

• 完全开源，MIT 协议：可自由使用、修改和部署
• 无需登录注册：所有任务记录保存在本地浏览器，无账户体系
• 前端处理音视频：基于 ffmpeg.wasm，无需本地安装 ffmpeg
• 多风格输出：支持小红书、公众号、知识笔记、思维导图、内容总结等格式
• AI 二次问答：针对视频内容提问，获取进一步解释
• 智能图文排版：根据字幕时间戳自动截图并插入文档，实现“真正的图文并茂”（无需视觉大模型）
• 字幕导出：结果可一键导出为 SRT 等字幕文件
• 自定义 Prompt：在前端灵活调整 AI 生成逻辑
• Docker 一键部署：后端服务可通过单条命令快速启动
• 访问密码保护：可为本地服务设置密码，防止未授权访问

本地部署步骤（Docker）

1. 安装 Docker
   Windows 用户建议通过 WSL 运行。
2. 构建镜像
   在项目根目录执行：

   make docker-image
   

3. 配置环境变量
   复制 variables_template.env 为 variables.env，并按需填写 API 密钥等配置（如使用本地 Whisper 模型，可不依赖云端服务）。
4. 启动服务

   make run
   

服务启动后，打开浏览器即可使用，所有音视频处理均在本地完成。

未来计划

• 集成 Fast-Whisper 本地语音识别模型，进一步降低对云端 API 的依赖，提升隐私性和成本效益。