VideoDoc

把视频链接转成一篇带时间锚点的中文图文文章。

它做什么

粘贴一个 YouTube 或 Bilibili 链接，VideoDoc 会下载视频、生成带时间戳的转写、 用 LLM 拆分大纲并按章节写正文、提取关键帧选配图（macOS 上还会做本地 OCR 取证）， 最终产出一篇带配图的图文文章。

操作流程

1. 粘贴链接

把 YouTube / Bilibili 链接粘进输入框，点「开始处理」。

2. 看进度

任务页会列出十个阶段，从解析来源、下载、转写到抽帧、写稿、收尾。 每个阶段只执行一次，失败会停下来等你在页面上点「重试当前阶段」。

3. 读文章

完成后打开文章：左侧是大纲，中间是正文与配图，右下是视频浮窗。

怎么用

点左侧大纲的任意章节，文章和视频会同时跳到那个位置； 点正文里的「→ 跳到 00:37」或任意配图，视频也会跳过去； 切到「转写」标签点任一片段，视频同样跳到对应时间点。

桌面端快捷键（输入框聚焦时不生效）：

键	作用
K	播放 / 暂停
V	放大 / 缩小视频浮窗
Esc	从大窗还原为小窗

快速开始

需要 Python 3.11+、Node 20.19+ 与 pnpm、FFmpeg。

git clone https://github.com/Shadowzzh/VideoDoc.git
cd VideoDoc

cp .env.example .env      # 填 VIDEODOC_LLM_API_KEY（唯一必填项）
./scripts/serve.sh        # 自动建 venv、装依赖、构建前端

打开 http://127.0.0.1:8765/app/。换端口：./scripts/serve.sh 9000。

或手动分步执行

python3 -m venv .venv
.venv/bin/pip install -e .
pnpm --dir frontend install && pnpm --dir frontend build
.venv/bin/videodoc --port 8765

平台支持

除本地 OCR 外全部跨平台。

能力	范围
下载 / 转写 / 抽帧 / LLM / 网页界面	全平台（macOS 转写自动启用 Metal）
本地 OCR（读取配图文字）	仅 macOS；其他平台记录日志并跳过，任务继续

配置

全部通过环境变量或 .env（真实环境变量优先，.env 只补空缺）。 完整清单见 .env.example，常用的几项：

变量	默认值	说明
VIDEODOC_LLM_API_KEY	—	必填
VIDEODOC_LLM_BASE_URL	https://api.deepseek.com	任意 OpenAI 兼容端点
VIDEODOC_LLM_MODEL	deepseek-v4-flash	模型名
VIDEODOC_WHISPER_MODEL	large-v3-turbo	模型名或本地 .bin 路径
VIDEODOC_COOKIE_BROWSER	chrome	读取哪个浏览器的登录态；设为空则完全关闭
VIDEODOC_RUNTIME_DIR	~/.local/share/videodoc	运行产物目录

VIDEODOC_WHISPER_MODEL 保持默认时，首次运行会自动下载约 1.5GB 的模型。 网络受限可先自行下载 ggml-*.bin，再用该变量指向本地文件； 体积敏感也可以用更小的档位，例如 large-v3-turbo-q5_0（约 570MB）。

已知限制

• 单用户、单 worker，任务顺序执行；JSON 文件存储，不引入数据库
• 正式验收 YouTube 与 Bilibili；X 仅 best-effort
• 本地 OCR 仅 macOS 可用
• 删除任务走可恢复回收站，暂无网页端恢复入口

开发

.venv/bin/pip install -e ".[dev]"
.venv/bin/python -m pytest -q        # 85 项，不访问网络
pnpm --dir frontend typecheck
pnpm --dir frontend test

videodoc/
├── cli.py / config.py / server.py
├── pipeline.py            # 十步流水线
├── task_store.py          # JSON 状态与断点续跑
└── integrations/          # crv 抽帧、whisper 转写、macOS OCR
frontend/                  # React + TypeScript + Vite + Tailwind + shadcn/ui
examples/                  # 示例产物（/sample 展示用）

流水线：probe → download → audio → transcribe → outline → frames → select_images → ocr → article → finalize

许可

MIT