wendy7756/AI-Video-Transcriber

解決的問題

AI Video Transcriber 提供了一種統一的方法，將來自 30 多個平台（如 YouTube、TikTok 和 Bilibili）或本機檔案的影片與音訊內容轉換為結構化文字。它消除了手動轉錄音訊或尋找字幕的需要，同時透過 AI 驅動的摘要與翻譯功能，讓長篇內容更易消化。

工作原理

該工具使用多階段流程處理媒體：

1. 提取：首先嘗試從平台提取原生字幕。若找不到字幕，則使用 Faster-Whisper 在本機轉錄音訊。
2. 處理：對於本機上傳，使用 FFmpeg 將音訊標準化為 Whisper 所需的標準格式。
3. AI 增強：將生成的字幕傳送至 OpenAI 相容的 LLM，以修正拼字錯誤、補全文句，並將文字組織成段落。
4. 最終處理：系統會生成 11 種支援語言之一的摘要，並在摘要語言與來源語言不同時翻譯字幕。

適用對象

需要從網路或本機儲存中歸檔、總結或翻譯影片與音訊內容的內容創作者、研究人員與學生。

主要亮點

• 字幕優先架構：優先使用原生字幕以實現近乎即時的結果，僅在無字幕時使用 Whisper 作為備用。
• 廣泛平台支援：相容 yt-dlp 支援的任何網站（如 YouTube、TikTok、Bilibili 等）。
• 彈性 AI 集成：支援任何 OpenAI 相容的 API 端點，允許使用者使用 OpenAI、OpenRouter 或本機 LLM。
• 支援代理整合：包含無頭 CLI、Codex 插件與 MCP 伺服器，可與 Claude Code 等 AI 代理整合。
• 本機檔案支援：支援多種媒體格式（.mp3、.mp4、.wav 等）與純文字檔案。