pmarreck/yt-transcriber

解决的问题

该工具提供了一种将 YouTube 视频或本地音视频文件转录为文本的方法。无需观看完整视频即可找到特定信息，用户可以直接阅读字幕、对内容进行摘要，或将其翻译成其他语言。

工作原理

该应用程序是一个命令行界面（CLI），使用开源 AI 工具，特别是 Whisper 模型进行语音转录。它可接受 YouTube 链接或本地文件路径作为输入。工具使用 ffmpeg 和 yt-dlp 从 YouTube 视频中提取音频，然后通过 Whisper 处理音频生成字幕。此外，还提供了独立的摘要和翻译脚本，这些脚本利用 OpenAI 的 API 完成额外的处理步骤。

适用人群

希望快速将视频内容转为文本的用户、研究人员，或希望通过阅读而非观看内容贫乏的视频来节省时间的人。

主要亮点

• 使用 Whisper 的自研 AI 转录，支持多种模型大小（base、small、medium、large、large-v2）。
• 通过 ffmpeg 支持 YouTube 链接和本地音视频文件。
• 内置缓存系统，用于存储字幕和音频，避免重复处理。
• 通过 OpenAI API 集成，可选地实现摘要和翻译功能。
• 使用 Nix 实现确定性安装，简化依赖管理。