nexmoe/VidBee

解决的问题

VidBee 是一款桌面应用程序，旨在将视频和音频文件转换为结构化、可搜索的媒体库。它消除了手动转录媒体、手动搜索录音中的特定时刻，或使用多个独立工具进行下载、转录和摘要的繁琐操作。

工作原理

VidBee 将多个工作流程整合到一个应用中：

1. 媒体获取：支持从 1,000 多个网站下载媒体内容，或导入本地文件。
2. 本地转录：使用本地模型（如 Whisper、SenseVoice、Parakeet 和 Qwen3-ASR）生成带说话人标签和时间戳的字幕。由于在本地运行，媒体无需上传至外部服务。
3. AI 分析：用户可连接多种 AI 提供商（包括 OpenAI、Anthropic、Google、DeepSeek、Groq，以及本地选项如 Ollama 或 LM Studio），对字幕执行摘要、翻译、FAQ 生成等任务的提示。
4. 组织管理：支持 RSS 订阅以实现自动下载，并提供灵活的元数据控制功能，用于文件命名和格式化。

适用人群

• 研究人员和记者：用于分离说话人并查找采访中的特定引述。
• 播客制作者：用于创建可搜索的字幕，并通过 RSS 管理节目内容。
• 学生和专业人士：将长篇讲座或录音转化为结构化笔记和摘要。
• 普通用户：希望维护一个本地、可搜索的网络视频/音频内容归档库的用户。

核心亮点

• 本地优先转录：支持多种本地 ASR 模型，确保隐私并降低使用成本。
• AI 提供商灵活性：可连接广泛的云和本地 LLM 提供商，支持自定义提示。
• uma RSS 驱动工作流：通过 RSS 订阅自动获取创作者发布的最新内容。
• 集成下载器：基于共享的 yt-dlp/ffmpeg 核心，支持 1,000 多个网站的内建下载功能。
• 跨平台支持：提供桌面应用版本，也支持 Docker 就绪的 Web + API 部署方案。