AI_tools_Video2Understand

目标平台：录咖 (RecCloud) —— 本项目的语音转文字能力由 录咖 RecCloud 的语音转文字 API 提供，使用前需在录咖平台注册并获取 API key（消耗平台算粒）。 仓库地址：https://github.com/hcidfy/AI_tools_Video2Understand

输入一个 B站 / YouTube 视频链接，自动完成：下载视频 → 检测下载完成 → 录咖语音转文字（毫秒级时间戳）→ 按时间戳存储 → 构建 RAG 知识库（JSON）。

视频链接
  │
  ▼ ① 下载（snapwc.com）
Playwright 无头浏览器模拟真实操作：打开下载页 → 粘贴链接 → 提交 →
等待解析（~30s）→ 自动点击下载按钮 → 捕获 B站 CDN 媒体流 →
视频文件保存到 C:\Users\HCQ\Downloads（命名：<标题> - Original.mp4）
  │  snapwc 失败时自动回退 yt-dlp
  ▼ ② 文件检测
监听 Downloads：新媒体文件出现 + 大小连续稳定（忽略 .crdownload/.part 临时文件）
  ▼ ③ 转写（录咖 RecCloud API）
直接使用捕获的 B站 CDN 媒体 URL（无需重新上传；签名 URL 有效期 ~2h，即时使用）
speaker 模式（type=4 + speaker_recognition=1）→ 返回毫秒级时间戳分段
  │  失败时回退：本地 HTTP + cloudflared 隧道 → uguu 匿名上传
  ▼ ④ 存储（按时间戳）
storage/<标题>_<BV号>/ : transcript.srt / transcript.txt / segments.json /
                        reccloud_raw.json / meta.json
  ▼ ⑤ RAG 知识
knowledge.json — 按说话人合并段落 + ~600 字分片 + 100 字重叠，
                 每片含 id / 起止时间戳 / 说话人 / 文本 / token 估算
knowledge.md — 人/LLM 可读版

环境要求

• Windows + Node.js ≥ 24（原生运行 TypeScript，无需构建）
• 首次运行自动安装 Playwright 浏览器（约 170MB）；yt-dlp 已装则作为下载兜底
• 录咖 API key：在 reccloud.cn 注册后，于"开发者服务(API)"中获取

快速开始

一键启动（Windows）

双击项目根目录的 Video2Understand.bat：

1. 弹出窗口后粘贴视频链接并回车
2. 自动完成下载 → 转写 → 知识库构建
3. 成功自动关闭窗口；失败时暂停显示错误，按任意键关闭

命令行

# 完整流程：输入 B站/YouTube 链接
node src/cli.ts "https://www.bilibili.com/video/BV1HA8K68EVB/"

# 不带参数则交互式输入链接
node src/cli.ts

# 跳过下载，转写 Downloads 里最新的媒体文件
node src/cli.ts --skip-download

# 跳过下载，指定文件
node src/cli.ts --skip-download --file="C:\Users\HCQ\Downloads\xxx.mp4"

# 其他选项
node src/cli.ts <链接> --lang=zh            # 指定音频语言
node src/cli.ts <链接> --no-speaker         # 关闭说话人/时间戳模式（纯文本）
node src/cli.ts <链接> --uploader=tunnel    # 强制指定公网URL回退方式

命令行传参时，若链接包含 &（如 B 站的 vd_source 参数），请务必用双引号包裹整个链接。

配置 API Key（安全）

API key 绝不写入仓库。按以下优先级读取：

1. 环境变量：RECLOUD_API_KEY
2. 本地文件 .env.local（已 gitignore，格式：RECLOUD_API_KEY=你的key）
3. config.json（仅占位符，不会生效）

# 首次使用：复制模板并填入 key
copy .env.example .env.local
# 编辑 .env.local，填入你在录咖平台获取的 key

其余配置见 config.json（录咖 API 地址、snapwc 下载页、下载/输出目录、轮询参数等）。

输出文件（storage//）

文件	说明
transcript.srt	标准字幕（毫秒时间戳，含说话人）
transcript.txt	[mm:ss - mm:ss] (speaker) 文本
segments.json	原始分段（start/end 毫秒 + text + speaker）
reccloud_raw.json	录咖接口原始返回（含 use_point 算粒消耗）
meta.json	来源、标题、时长、语言等元数据
knowledge.json	RAG 知识库（chunks 含 id/时间范围/说话人/文本/token 估算）
knowledge.md	人/LLM 可读版知识文档

注意事项

• 平台：转写依赖 录咖 RecCloud API，消耗其"算粒"额度（单次任务约 12 算粒/5 分钟视频，记录在 reccloud_raw.json 的 use_point 字段）。
• 时效：B 站 CDN 签名 URL 有效期约 2 小时，流水线内即时使用，无需手动处理。
• 版权：请仅下载/转写你有权保存的内容。尊重原作者版权。
• 输出：视频保留在 Downloads 目录；转写与知识输出在 storage/（已 gitignore，可能含受版权保护的内容）。

License

MIT