影片筆記：一个工具搞定视频下载、字幕提取和AI分章（大二开源本地项目实机演示）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=7 已先套用暫定修正：第二種是直接運行Bet腳本。 → 第二種是直接運行Bat腳本。；segment=10 已先套用暫定修正：就是需要先將Python3.10添加到。 → 就是需要先將Python3.10添加到系統環境變量中。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=47 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=102 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

講者實機演示了一個由大二學生開發的開源本地視頻一體化工具，該工具整合了多平台視頻下載、基於本地 Whisper 模型的字幕提取、自動章節劃分、關鍵詞定位、基於本地 Ollama 大模型的 AI 問答以及圖片格式轉換功能，強調完全本地運行、無需依賴在線 API 的特性。

核心重點

1. 本地化與隱私：核心賣點為完全本地運行，使用 CPU 運算及本地 Ollama 大模型，無需調用在線 API，適合無網絡環境或注重隱私的用戶。
2. 功能整合：單一工具涵蓋視頻下載（支援 B站、抖音、小紅書、微博）、字幕處理（提取、分章、關鍵詞定位）、AI 問答及圖片轉換。
3. 性能與限制：由於採用 CPU 運算及較小的 Whisper 模型，字幕提取、章節劃分及 AI 問答的速度較慢（例如 18 分鐘視頻處理需 10-15 分鐘，AI 問答耗時約 9 分鐘），且字幕識別可能存在錯別字。
4. 部署方式：提供 Python 源碼及 Bat 腳本兩種啟動方式，首次運行需配置環境（約 10-20 分鐘），後續運行無需重複配置。
5. 開源狀態：項目已開源至 GitHub，包含源碼、啟動腳本及部署說明。

詳細大綱

一、 工具啟動與環境配置

• 啟動途徑：
• 開發者模式：直接運行 Python 文件（適合使用 VS Code 等開發工具的用戶）。
• 普通用戶模式：直接運行 Bat 腳本（講者演示採用此方式）。
• 前置條件：必須將 Python 3.10 添加到系統環境變量中。
• 首次運行流程：

1. 雙擊 Bat 文件，彈出 CMD 窗口自動進行環境配置。
2. 等待約 10 到 20 分鐘（取決於電腦與網絡狀況）。
3. 配置完成後自動打開網頁界面。

• 注意事項：首次運行生成的文件不可隨意刪除，否則影響後續啟動；後續運行無需重新配置。

二、 在線視頻下載功能

• 基本操作：複製視頻鏈接至輸入框，點擊下載。
• 存儲設置：可通過「選擇文件夾」按鈕設置本地保存位置。
• 支援平台：B站、抖音、小紅書、微博等。
• 特殊處理（抖音）：
• 下載時會彈出窗口自動獲取實時 Cookie 信息。
• 需等待幾秒後窗口自動關閉，過程中不可手動關閉窗口。

三、 視頻處理功能

• 字幕提取：
• 操作：點擊 Upload 選擇視頻，點擊「開始提取字幕」。
• 技術限制：採用 CPU 進行提取，速度較慢（例如 18 分鐘視頻約需 10 分鐘）。
• 模型限制：使用相對較小的 Whisper 模型，識別結果可能存在錯別字、音對字不對等瑕疵，但整體內容可理解。
• 後續處理：可下載字幕 TXT 文檔，導入成熟 AI 工具進行二次處理。
• 自動章節劃分：
• 依據提取的字幕對視頻內容進行分析。
• 自動生成章節與時間範圍（例如 18 分鐘視頻劃分章節約需 15 分鐘）。
• 關鍵詞定位：
• 輸入關鍵詞後，程序自動搜索相關字幕並顯示對應時間點。
• 用途：快速定位知識點，無需拖動進度條。
• AI 問答功能：
• 基礎：基於本地 Ollama 大模型。
• 功能：結合視頻字幕內容回答相關問題。
• 限制：採用 CPU 推理，速度較慢（問題耗時約 9 分鐘）；效果受模型本身及電腦硬件影響。
• 優勢：完全本地運行，無需調用在線 API，無網絡時可救急。

四、 圖片格式轉換功能

• 支援格式：JPG、PNG、BMP、WebP。
• 操作方式：選擇圖片，下拉框選擇目標格式，點擊轉換。
• 結果驗證：轉換後的圖片可正常顯示與使用，程序會輸出檢測結果確認無損壞。

五、 項目開源與部署說明

• 開源狀態：已開源至 GitHub。
• 資源內容：完整源碼、Bat 啟動腳本、安裝部署說明（Readme）。
• 配置要求：

1. 基礎功能（在線下載、圖片轉換）：僅需配置 Python 3.10。
2. 視頻字幕提取功能：需配置 Ollama。
3. 自動章節劃分與本地 AI 問答功能：需額外安裝並配置 Olama（註：講者口誤）。

• 獲取方式：查看評論區置頂的 GitHub 網址。

工具 / 模型 / 名詞整理

• 開發/運行環境：Python 3.10, VS Code, CMD (命令提示字元)
• 腳本類型：Bat 腳本
• 支援下載平台：B站 (Bilibili), 抖音, 小紅書, 微博
• 字幕處理模型：Whisper 模型
• 本地大模型服務：Ollama (講者口誤提及為 Olama)
• 代碼托管平台：Github
• 文件格式：JPG, PNG, BMP, WebP, TXT

操作流程整理

1. 環境準備：確保 Python 3.10 已加入系統環境變量。
2. 啟動工具：

• 雙擊 Bat 文件（或運行 Python 文件）。
• 等待 CMD 窗口完成環境配置（首次約 10-20 分鐘）。
• 瀏覽器自動打開工具界面。

1. 視頻下載：

• 複製視頻鏈接。
• 設置本地保存路徑。
• 點擊下載（抖音需等待 Cookie 自動獲取窗口關閉）。

1. 視頻處理：

• 提取字幕：Upload 視頻 -> 點擊「開始提取字幕」-> 等待 CPU 運算完成。
• 自動分章：基於字幕分析，生成章節與時間範圍。
• 關鍵詞定位：輸入關鍵詞 -> 查看對應時間點。
• AI 問答：基於本地 Ollama 模型，結合字幕內容回答問題。

1. 圖片轉換：選擇圖片 -> 選擇目標格式 -> 點擊轉換 -> 驗證結果。

值得注意的限制或風險

1. 處理速度慢：由於採用 CPU 運算及較小的 Whisper 模型，字幕提取、章節劃分及 AI 問答耗時較長（例如 18 分鐘視頻處理需 10-15 分鐘，AI 問答耗時約 9 分鐘）。
2. 識別準確性：字幕識別可能存在錯別字、音對字不對等瑕疵，整體內容雖可理解但非完美。
3. 環境依賴：首次運行需配置環境，且生成的文件不可隨意刪除，否則影響後續啟動。
4. 抖音下載限制：需處理 Cookie，過程中不可手動關閉彈出窗口。
5. 硬件依賴：AI 問答效果受模型本身及電腦硬件影響。

逐字稿辨識疑點

• segment 47: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對
• segment 102: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對
• 「Bet腳本」：講者口誤，根據上下文應指「Bat 腳本」。
• 「Bet文件」：講者口誤，根據上下文應指「Bat 文件」。
• 「選擇文件加」：講者口誤，根據上下文應指「選擇文件夾」。
• 「Olama」：講者口誤，根據上下文及常見本地大模型服務，應指「Ollama」。
• 「音對、字不對」：描述字幕識別錯誤類型，語意稍顯模糊，保留原樣。

可延伸追問

1. 該工具對於不同長度的視頻，其 CPU 運算時間是否有線性增長的規律？
2. 若更換更大的 Whisper 模型或 GPU 加速，是否能顯著提升字幕提取的準確率與速度？
3. 抖音下載時的 Cookie 獲取機制是否穩定？若抖音 API 變更，工具是否需要頻繁更新？
4. 本地 Ollama 大模型的具體參數配置建議為何，以平衡 AI 問答的速度與準確性？
5. 該開源項目在 GitHub 上的活躍度及社區支持情況如何？