nexmoe/VidBee

解決する課題

VidBeeは、動画や音声ファイルを整理された検索可能なライブラリに変換するために設計されたデスクトップアプリケーションです。さまざまなオンラインソースからのメディアのダウンロード、音声のテキスト化（文字起こし）、AIによるコンテンツの分析や要約を、単一のワークフロー内でシームレスに行えます。

仕組み

VidBeeは、メディア管理とAI処理を処理するために複数のツールを統合しています：

• メディア取得: yt-dlpとFFmpegに基づく共有コアを使用して、1,000以上の対応サイトから動画と音声をダウンロードします。クリエイターからの新コンテンツを自動的に追跡・ダウンロードするためのRSS購読にも対応しています。
• ローカル文字起こし: アプリはWhisper、SenseVoice、Parakeet、Qwen3-ASRなどのモデルを使用して、ユーザーのコンピューター上でローカルに音声認識を実行し、メディアを外部サービスにアップロードする必要がありません。
• AI分析: 文字起こしが完了すると、テキストはユーザーが選択したAIプロバイダー（OpenAI、Anthropic、Google、DeepSeek、またはOllamaやLM Studioなどのローカルオプションなど）に送信され、要約、翻訳、FAQ生成などのタスクを実行します。
• 整理: 詳細なダウンロードキュー、ファイル名やカバーアートに対するメタデータ制御、タイムスタンプ付き再生機能付きの検索可能な文字起こしインターフェースを提供します。

対象ユーザー

VidBeeは、インタビュー、ポッドキャスト、講義などを扱う研究者、学生、コンテンツクリエイターに最適です。特定の引用を素早く探し出し、録音を翻訳し、長い録音を構造化されたノートに変換できます。

ハイライト

• ローカルファーストの文字起こし: 複数のローカルASRモデルをサポートし、データをプライベートに保ち、文字起こしサービスのコストから解放します。
• カスタマイズ可能なAIプロンプト: ユーザーは、特定の分析タスク用に独自のAIプロンプトを作成・編集できます。
• 自動化ワークフロー: キーワードフィルターと自動タグ付けを備えたRSS購読を含み、メディアの自動収集を実現します。
• 柔軟なデプロイ: デスクトップアプリとして、またはDocker対応のWeb APIとクライアントとして利用可能です。
• 包括的なメディア制御: フォーマット（MP4、MKV、WebM）、メタデータ埋め込み、話者識別に対する細かな制御を提供します。