支持 Bilibili、小宇宙与喜马拉雅,自动完成媒体获取、语音转录、LLM 结构化总结与多格式导出。
功能概览 · 界面预览 · 快速开始 · 使用方式 · 部署 · 配置参考
bilibili-to-text 是一个面向长内容的自动化处理工具。它将视频或播客转换为带上下文的 Markdown 文稿,并进一步生成结构化总结、表格、时间线、Fancy HTML 与知识库索引。可以通过 Web UI 或 CLI 处理内容。
| 能力 | 说明 |
|---|---|
| 多平台输入 | 解析 Bilibili、YouTube 单视频、小宇宙、喜马拉雅链接;Web UI 支持上传常见音频与视频文件 |
| 语音转录 | 优先使用 Bilibili 字幕或 YouTube 人工/自动字幕,无可用字幕时回退 ASR;支持 Groq Whisper、阿里云 DashScope / Qwen ASR |
| LLM 总结 | 通过 LiteLLM 兼容接口连接不同模型,支持总结模板、模型配置、评论观点与 UP 主术语上下文 |
| 内容导出 | 生成 Markdown、TXT、PDF、PNG、HTML、表格和时间线等派生产物;可用 Pi 从完整转写生成精读/速览报告 |
| 历史与检索 | 在 Web UI 中管理转录记录,并使用可选 RAG 知识库跨视频检索和问答 |
| 存储后端 | 支持本地目录、MinIO 与阿里云 OSS |
| 开放服务 | Open Public 模式允许访问者使用自己的 API Key;临时上传不会进入共享历史记录 |
视频 / 播客 / 本地文件
↓
字幕优先获取 · 音频下载 · ASR 转录
↓
Markdown 原文 · 评论 · 结构化元数据
↓
LLM 总结 · 表格 · 时间线 · Fancy HTML
↓
历史记录 · 多格式导出 · RAG 知识检索
从链接或本地文件创建任务,并统一配置字幕、评论、总结模型与模板。
|
转录产物与多格式导出 |
历史记录、筛选与任务状态 |
|
视频信息与总结版本管理 |
可独立分享的 Fancy HTML |
| 依赖 | 用途 | 是否必需 |
|---|---|---|
| Python 3.12+ | 核心处理流程与 FastAPI 后端 | 是 |
| uv | Python 环境与依赖管理 | 是 |
ffmpeg |
音视频处理 | 是 |
| Bun | Web UI 前端开发与构建 | 使用 Web UI 时 |
pandoc |
Markdown 格式转换 | 导出相关格式时 |
| Playwright Chromium | 渲染 PDF 与 PNG | 导出 PDF/PNG 时 |
| Docker | Nginx 静态前端部署 | 可选 |
安装常用系统依赖:
# macOS
brew install ffmpeg pandoc
# Debian / Ubuntu
sudo apt install ffmpeg pandocgit clone https://github.com/KKKZOZ/bilibili2text.git bilibili-to-text
cd bilibili-to-text
uv sync --all-extras
cp config.toml.example config.toml
cd web-ui/frontend
bun install
cd ../..需要导出 PDF 或 PNG 时,再安装浏览器运行时:
uv run playwright install chromium打开 config.toml,至少完成以下两项:
- 在
[stt]中选择并配置一个语音识别 profile。 - 在
[summarize]中选择并配置一个 LLM profile;不需要总结时可以在任务中关闭。
Groq ASR 可以直接使用本地存储;Qwen / DashScope 文件转录需要 MinIO 或阿里云 OSS 提供可访问的临时 URL。完整字段和可选 profile 已写在 config.toml.example 中。
最小示例:本地存储 + Groq ASR + 阿里云百炼总结
[storage]
backend = "local"
[stt]
profile = "groq-main"
[stt.profiles.groq-main]
provider = "groq"
language = "zh"
storage_profile = "local"
groq_api_key = "your-groq-api-key"
groq_model = "whisper-large-v3-turbo"
groq_base_url = "https://api.groq.com/openai/v1"
[summarize]
profile = "bailian-main"
preset = "timeline_merge"
presets_file = "summary_presets.toml"
[summarize.profiles.bailian-main]
provider = "bailian"
model = "qwen3-max"
api_base = "https://dashscope.aliyuncs.com/compatible-mode/v1"
api_key = "your-dashscope-api-key"Groq API Key 可从 Groq Console 获取;DashScope API Key 可从 阿里云百炼控制台 获取。
分别启动后端和前端:
# 终端 1:FastAPI,默认端口 8000
uv run b2t backend# 终端 2:Vue / Vite,默认端口 6010
cd web-ui/frontend
bun run dev打开 http://127.0.0.1:6010。如后端使用其他端口:
cd web-ui/frontend
bun run dev --backend-port 8001新建转录页可独立开启「生成阅读报告」,选择精读/速览和报告模型,使用自己的 API Key。 该功能替代视频总结的 Fancy HTML 生成;需先安装 Pi 报告镜像。
Web UI 提供新建转录、实时进度、视频元数据、历史记录、总结版本管理、产物转换、API Key 配置与知识库问答等完整工作流。允许浏览器通知后,任务完成时可以从系统通知直接返回对应任务详情。
处理单个链接:
uv run b2t "https://www.bilibili.com/video/BVxxxxxxxxxx"指定输出目录、总结模板和模型配置:
uv run b2t "https://www.bilibili.com/video/BVxxxxxxxxxx" \
--config config.toml \
--output ./transcriptions \
--summary-preset timeline_merge \
--summary-profile bailian-main跳过 LLM 总结:
uv run b2t "https://www.bilibili.com/video/BVxxxxxxxxxx" --no-summary查看全部 CLI 参数:
uv run b2t --help先在 config.toml 中将 [backend].host 设置为 "0.0.0.0",以便 Nginx 容器访问宿主机后端,再启动:
uv run b2t backend再构建前端并启动 Nginx 容器:
./scripts/serve_frontend_nginx.sh up脚本会使用 Bun 构建 web-ui/frontend/dist,通过 Nginx 提供静态页面,并将 /api/* 代理到宿主机后端。默认访问地址为 http://127.0.0.1:6010。
常用管理命令:
./scripts/serve_frontend_nginx.sh status
./scripts/serve_frontend_nginx.sh logs
./scripts/serve_frontend_nginx.sh restart
./scripts/serve_frontend_nginx.sh down覆盖默认端口:
B2T_FRONTEND_PORT=6011 \
B2T_BACKEND_PORT=8001 \
./scripts/serve_frontend_nginx.sh up后端默认使用 Open Public 模式,无需设置 B2T_WEB_UI_MODE。Open Public 适合部署公开演示站点。该模式具有以下边界:
- 用户在页面中配置自己的 DashScope、DeepSeek 或 OpenAI-compatible API Key。
- Key 保存在用户浏览器本地,仅在任务请求和连接测试时发送给当前后端。
- 禁止删除共享历史记录和文件。
- 用户上传的文件按临时任务处理,不进入共享历史记录,默认在完成 2 小时后删除。
- Qwen ASR 仍需要服务端配置 MinIO 或阿里云 OSS,以生成临时媒体 URL。
启动方式:
uv run b2t backend监听地址、端口和跨域来源在 config.toml 开头配置,修改后重启后端:
[backend]
host = "127.0.0.1"
port = 8000
cors_origins = ["https://b2t.kkkzoz.top", "https://b2t-kkkzoz.pages.dev"]命令默认读取项目根目录 config.toml,也支持 --config 路径 或 B2T_CONFIG。
B2T_CORS_ORIGINS 若已设置,仍优先于配置文件;无需覆盖时可取消该环境变量。
需要本地私有模式时可显式使用 B2T_WEB_UI_MODE=default uv run b2t backend。
前端可以继续使用 Vite 开发服务器,也可以使用上述 Nginx 部署脚本。
配置以 TOML profile 为核心。建议从 config.toml.example 复制后按需删减。
| 配置段 | 用途 |
|---|---|
[backend] |
后端监听地址、端口及允许跨域的前端来源 |
[download] |
输出目录、数据库目录和音频质量 |
[storage] |
选择本地、MinIO 或阿里云 OSS 存储 |
[stt] |
选择 Groq 或 Qwen / DashScope 语音识别 profile |
[summarize] |
选择 LLM profile、总结模板和 UP 主上下文文件 |
[fancy_html] |
指定 Fancy HTML 使用的模型 profile |
[converter] |
控制 Markdown 派生格式与股票状态获取策略 |
[rag] |
配置 Chroma、Embedding 模型与知识库问答模型 |
[bilibili] |
可选 Bilibili 登录 Cookie,用于需要登录态的内容 |
[analytics] |
可选 Web UI 访问统计;script_url 在本地 config.toml 中配置 |
相关文件:
summary_presets.toml:总结 Prompt 预设。context.toml:按 UP 主注入术语和纠错上下文,可选。config.toml.example:完整配置字段和 profile 示例。
.
├── b2t/ # 核心 pipeline、CLI 与存储
├── web-ui/
│ ├── backend/ # FastAPI API 与后台任务
│ └── frontend/ # Vue / Vite Web UI
├── tests/ # Pytest 测试
├── scripts/ # 开发与部署辅助脚本
├── docker/ # Nginx 配置
├── config.toml.example # 配置模板
├── summary_presets.toml # 总结 Prompt 预设
└── context.toml # 可选 UP 主上下文
运行后端测试:
uv run pytest检查和格式化 Python:
ruff check .
ruff format .格式化并构建前端:
cd web-ui/frontend
bun run format
bun run build欢迎通过 GitHub Issues 提交问题和建议。
感谢以下开源项目为 b2t 提供支持与灵感:
- yutto:Bilibili 音视频下载。
- yfinance:金融行情数据获取。
- video-report-agent:阅读报告的生成流程、Skill 与 HTML 模板。
MIT