wendy7756/AI-Video-Transcriber

解决的问题

AI Video Transcriber 提供了一种简化的方式，将来自网络或本地文件的视频和音频内容转换为结构化文本。它解决了手动转录媒体、总结长视频以及将源材料与其转录文本一起存档的问题。

工作原理

该工具使用多路径处理管道：

1. 输入处理：它接受来自 30+ 平台（通过 yt-dlp）的 URL 或本地文件上传（通过 FFmpeg 规范化）。
2. 转录：它首先尝试提取原生字幕以提高速度。如果不可用，则使用 Faster-Whisper 进行高精度语音转文本。
3. AI 增强：生成的文本被发送到兼容 OpenAI 的 LLM，以纠正拼写错误、补全句子并将内容组织成段落。
4. 后处理：系统可以根据用户偏好自动翻译转录文本并生成 11 种不同语言的摘要。
5. 存档：它可以选择在转录过程中并行下载原始视频（最高 720p），以便轻松预览和保存。

适用人群

内容创作者、研究人员和学生，他们需要从视频和播客中快速提取见解，而无需观看整个媒体文件。

亮点

• 字幕优先架构：通过优先使用原生字幕而非 AI 转录，大幅提高速度。
• 自带模型：支持任何兼容 OpenAI 的 API 端点，允许用户使用本地 LLM 或各种提供商。
• 广泛的平台支持：适用于 YouTube、TikTok、Bilibili、Apple Podcasts、SoundCloud 等。
• 支持 Agent：包含无头 CLI、用于 Claude/Codex 的 MCP 服务器，以及针对 AI Agent 的专用技能。
• 本地文件支持：处理各种音频/视频格式和纯文本文件。