video2md — 视频转写 AI 工具
中文 | English
把任意视频(本地文件、录屏、B 站链接…)一键变成可检索、可阅读的结构化文档: 语音转写(Whisper)+ 画面文字(关键帧 OCR)→ LLM 去重纠错、分章节整理 → HTML 阅读。
📖 在线阅读(示例文档库):https://ronfi.github.io/video2md/
下载(可选) 转写提取 整理 阅读
bili_dl.py ──► video2md.py ──► DeepSeek 结构化 ──► md2html.py
(B站API通道) (任意视频:ASR+OCR (正文+折叠附录) (html/index.html)
+同音字修正)
快速开始
pip install -r requirements.txt
export DEEPSEEK_API_KEY=sk-xxx # LLM 整理用;不设则降级为纯转写
# 任意本地视频(手机录屏、下载的课程、会议录像…)两步出文档
python3 tools/video2md.py 你的视频.mp4 --auto-crop # 转写 -> 同目录 <名>-<标题>.md
python3 tools/md2html.py # 出 HTML,打开 html/index.html
# 英文视频:转写并用英文成文
python3 tools/video2md.py talk.mp4 --lang en
# B 站视频多一步下载
python3 tools/bili_dl.py BV1fj5f6iEH5 # 下载到 ref/(自动记录标题)
python3 tools/video2md.py ref/BV1fj5f6iEH5.mp4 --auto-crop
长视频(>15 分钟)建议加
--interval 10降低关键帧密度。 全流程 CPU 可跑,无需 GPU(35 分钟音频约 15 分钟转完)。
特性
- 标题即文件名:下载时自动记录视频标题,文档命名如
BV1fj5f6iEH5-长鑫存储10大核心供应商.md,并自动附原视频链接。 - 同音字修正:LLM 借助时间对齐的画面 OCR 修正 ASR 同音错字 (如"中级虚创→中际旭创"、"科丧50→科创50"),只做最小替换、可审计。
- 中英双语:
--lang en转写英文视频并以英文成文(--doc-lang可覆盖)。 - 繁简统一:简体引导 + OpenCC 兜底,杜绝 Whisper 偶发繁体输出。
- 正文 + 附录:LLM 整理出分章节规范正文(概述/要点/术语表); 原始带时间戳转写与关键帧截图折叠在附录,随时溯源。
- HTML 阅读:卡片式索引 + 阅读版式(浅/暗色自适应、关键帧懒加载)。
目录
tools/ bili_dl.py · video2md.py · md2html.py(详细用法见 tools/README.md)
ref/ 转写文档(.md 入库)与视频(BV*.mp4 不入库)
html/ 生成的阅读页面(临时产物,随时可重建)
requirements.txt 依赖清单
说明
- B 站下载走 API 通道(服务器 IP 访问视频页常被 412 风控,yt-dlp 不可用); 未登录清晰度上限 480p,内容分析足够。
- ⚠️ 版权:下载内容仅供个人学习与内容分析,请勿传播;视频大文件已被
.gitignore排除。 - 📄
ref/下的转写 md 文档内容源自对应原视频(文内附链接),仅供个人学习,请勿商用;如原作者提出异议将立即删除。