8000 GitHub - KKKZOZ/bilibili2text: Bilibili 视频转文字工具:自动下载音频、语音转录、生成 Markdown/TXT,并通过 LLM 生成结构化总结,并导出为 PDF/PNG/HTML · GitHub
[go: up one dir, main page]

Skip to content

About

Bilibili 视频转文字工具:自动下载音频、语音转录、生成 Markdown/TXT,并通过 LLM 生成结构化总结,并导出为 PDF/PNG/HTML

Resources

Stars

104 stars

Watchers

1 watching

Forks

Repository files navigation

bilibili-to-text — transform media into transcripts, summaries, and searchable knowledge

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。

GitHub Stars Last Commit License MIT

Python 3.12+ FastAPI Vue 3 Bun

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。

Tip

在线体验: b2t.kkkzoz.top

Open Public 模式使用访问者自己的 API Key;Key 只保存在当前浏览器本地,并仅在任务请求或连接测试时发送给服务端。

欢迎加入 B2T 微信交流群!

交流群二维码

功能概览

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

处理流程

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

界面预览

新建转录页面
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。

转录完成后的文件列表
转录产物与多格式导出
历史记录页面
历史记录、筛选与任务状态
历史详情页面
视频信息与总结版本管理
Fancy HTML 效果
可独立分享的 Fancy HTML
查看知识库检索与问答效果

跨视频知识检索页面 跨视频知识检索结果一 跨视频知识检索结果二

快速开始

1. 准备环境

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 pandoc

2. 安装项目

git 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

3. 配置服务

打开 config.toml,至少完成以下两项:

  1. 在 [stt] 中选择并配置一个语音识别 profile。
  2. 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。

4. 启动 Web UI

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

使用方式

Web UI

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。

CLI

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

部署

宿主机后端 + Nginx 容器

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

Open Public 模式

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。

配置参考

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:

项目结构

.
├── 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

开发

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

社区

欢迎通过 GitHub Issues 提交问题和建议。

致谢

感谢以下开源项目为 b2t 提供支持与灵感:

License

MIT

Star History

Star History Chart

About

Bilibili 视频转文字工具:自动下载音频、语音转录、生成 Markdown/TXT,并通过 LLM 生成结构化总结,并导出为 PDF/PNG/HTML

Resources

Stars

104 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages

0