刷视频的时候经常听到一些醍醐灌顶的观点，但是视频收藏起来之后就很难找到、或者说索引出来。
要是能解析成文本保存到笔记中就好了。
V 友们，知道有什么效率高、成本低的方案吗？
要是能解析成文本保存到笔记中就好了。
V 友们，知道有什么效率高、成本低的方案吗？
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 178 days ago, the information mentioned may be changed or developed.
Supplement 1 · May 16
总结了一下 V 友提供的方案准备试一下：
1. yt-dlp 提取视频音频
2. 本机部署 whisper 音频转文本
1. yt-dlp 提取视频音频
2. 本机部署 whisper 音频转文本
 |
BlueBingMay 14
1
你问下 ai ，它会帮你安装音频转文字，再帮你提炼。
豆包也可以提炼抖音视频的内容 |
 |
MzsMay 14
2
|
 |
ooooo00000oooooMay 14
3
yt-dlp 下载音频， 本地大模型 ASR 转文字。
|
 |
RW5kZXJBdmFyaXRpMay 14
4
用 wispher 模型转换一下？
|
 |
pakro888May 15
5
抖音可用豆包
 |
 |
longlonglanguageMay 15
6
这么巧，今天刚发现了一个，https://github.com/moonjoin/tampermonkey-scripts 。这个作者写了三个插件，一个是 bilibili 总结，一个是网页总结，另一个可以把总结内容加入到某笔记的插件。需要自己添加 ai 的 key ，不过在作者的 github 最下方有推荐，小米的 ai 有推广活动，填写作者的推荐码，可以获得 10 元的体验。我就不厚脸皮发我的推荐码了，建议填一下作者的算是对作者的支持了。
|
 |
Vinceli2401May 15
7
yt-dlp + whisper + 随便找个 LLM 总结 自己写个脚本感觉不会很难
|
 |
AastroLulaMay 15
8
如果大部分的内容都是文字稿转视频配上动画的,确实语音转文字是个不错的省流方案,要是配合本地语音模型加上 llm 感觉是个不错的方案,先 mark 回头手搓一个
|
 |
sentinelKMay 15
9
绝大多数的“总结”方案都是直接扒字幕的。
也就是说，如果你要的视频观点、内容主要以语言的形式呈现，那么效果就不错。 如果是以视觉效果呈现，成本就比较高了。 举个例子，比如有的 up 喜欢说“结论如图”/“自己截屏查看”，这种情况市面上的“总结”方案就做不到。 |
 |
isnullstringMay 15
10
@sentinelK 对的，有些视频没有字幕或者某些敏感内容只有语音没有字幕时候就缺失
|
|
isnullstringMay 15
11
找 AI 做一个呗，不过用 whisper 转录最好有显卡，纯 CPU 转不是一般的慢，往往是音频时长的 3 倍
一个使用 yt-dlp 自动下载，一个扫描下载目录按预设参数和提示词生成笔记 https://imgur.com/a/JGdENKm |
 |
12
其实我不是想要总结，而是要原始的语音转文本
|
Select Language