AI Video Transcriber：开源 AI 视频转录与摘要工具
AI Video Transcriber 是一款旨在高效提取视频信息的开源工具。它通过集成 Faster-Whisper 实现高精度语音转写，并利用 yt-dlp 广泛适配 YouTube、Bilibili、抖音等 30 多个主流视频平台。该工具不仅能完成基础的语音转文字，还具备智能分段、自动纠错及句子补全功能。当用户设定的摘要语言与原视频语言不一致时，系统会自动调用 GPT-4o 进行精准的条件式翻译与总结。
核心功能亮点
- 全平台覆盖：依托 yt-dlp 强大的解析能力，几乎支持所有主流视频站点。
- 高效转录引擎：采用 Faster-Whisper，在维持原版 Whisper 识别率的同时，显著降低了内存占用并提升了处理速度。
- 文本深度优化：自动修正错别字并优化句子结构，将碎片化的语音转写转化为易于检索和发布的结构化文本。
- 智能翻译摘要：结合 GPT-4o 实现跨语言摘要生成，打破语言壁垒。
- 响应式界面：前端支持移动端访问，并集成 Marked.js 实现流畅的 Markdown 渲染。
快速上手指南
环境准备
- 基础环境：Python 3.8+ 及 FFmpeg（音视频处理核心依赖）。
- 进阶配置：若需启用 AI 摘要与翻译功能，需准备 OpenAI API Key。
操作流程
- 输入链接：在界面中粘贴目标视频的 URL（如 B 站、YouTube 或抖音链接）。
- 设定语言：选择希望生成的摘要目标语言。
- 启动处理 ：点击「开始」，系统将自动执行： 视频下载 $rightarrow$ 语音转写 $rightarrow$ 文本优化（纠错 / 分段）$rightarrow$ AI 摘要生成。
- 导出结果：预览转写内容与摘要，可直接下载 Markdown 文件保存。
技术实现架构
- 后端逻辑：基于 FastAPI 构建接口，通过 yt-dlp 抓取内容，Faster-Whisper 执行转写，OpenAI API 负责文本润色与总结。
- 前端展示：采用 HTML5/CSS3 与原生 JavaScript，使用 Font Awesome 图标库，并通过 Marked.js 渲染最终文本。
常见问题排查
- 转录速度较慢？ 速度受硬件性能、视频长度及模型规模影响。建议尝试切换至
tiny或base等轻量化模型以提升效率。 - AI 优化功能失效？ 请检查是否正确配置了 OpenAI API Key。未配置时，系统仅提供 Whisper 的原始转写结果。
- 运行报错或页面白屏？ 请重点核查：虚拟环境依赖是否完整、FFmpeg 是否安装、端口是否被占用，以及
OPENAI_BASE_URL等环境变量是否正确。
适用场景
- 内容创作者：快速将口播视频转化为文稿，生成多语言摘要用于社交媒体分发。
- 学术与办公：将在线课程、远程会议或访谈录像快速转化为要点笔记。
- 知识管理：为视频素材建立文本索引，方便进行 SEO 优化或脚本复用。
项目资源
GitHub 开源地址：https://github.com/wendy7756/AI-Video-Transcriber
正文完
