推荐一个 GitHub 开源神器：自动下载视频、本地转录、AI 翻译总结，支持 B 站

阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/vidbee-video-transcribe/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

外语的好东西太多了，纪录片、公开课、人物访谈，想看的一长串。麻烦的是没字幕的占一大半，偶尔碰上带字幕的，又是机翻味很重的那种，看两句就出戏。

我以前的做法是硬啃，听不懂就倒回去反复拖进度条，一部看下来比干一天活还累。后来换成先把内容转成文字过一遍，再挑值得细看的地方细看。

VidBee 就是干这件事的开源工具。它把视频下载到本地，语音在你自己的电脑上转成带时间戳的文字，再交给 AI 翻译或者总结。免费开源，Windows、macOS、Linux 都有安装包，GitHub 上一万多 Star，MIT 协议。

仓库首页实时截图，Star 与 Fork 计数同时可见

它把四步连成了一条流水线

下载、转录、翻译、整理笔记各归一个工具，中间还得手动倒腾文件，这是以前的常态。VidBee 把这几步装进同一个软件，素材进去，一个能搜索、能提问的资料库出来。

它省下的不是几个软件的窗口，是这四步之间那些手动倒腾的活。

素材有两个来源。一个是从一千多个视频站点直接下载，B 站在内；另一个是你电脑里本来就有的音视频文件，直接导进去也行。官方支持站点清单可以查，README 里举的例子包括 YouTube、TikTok、Twitter、Instagram、Facebook、Twitch 和 B 站。

除了桌面端还有两种形态。一套是可以用 Docker 部署的 Web 版加 API，家里有 NAS 就能跑成常驻服务，端口 3100 和 3000；另外还有一个浏览器扩展。三块共用同一个下载核心。

官网下载页上还有一句自我介绍挺实在，说对 yt-dlp 新手来说，它可以当成 Mac 和 Windows 上那个顺手的图形界面。

本地转录这一步，是它和在线工具最大的区别

转录页，视频与说话人时间轴与带时间戳的转录

转录是这套流程里最重的一步，也是它和在线服务分开的地方。语音识别在你自己的电脑上跑，视频不用上传给任何平台。

可选模型有四个系列，Whisper、SenseVoice、Parakeet、Qwen3-ASR。软件会按你的电脑配置和语言推荐一个，在设置里能下载和切换。还有一条更省时的路径，原视频自带字幕时优先取字幕直接用，需要新转录才跑本地识别。

识别结果比一段纯文本多不少。说话人能自动分开，访谈里几个人轮流说话，每段前面都挂着名字；也可以指定人数，或者改标注而不动识别文字。每句话都带时间戳，搜到那句话点一下，播放器直接跳到那一秒接着放。

转录结果有三个出口。复制走，导出成纯文本或 Markdown，或者生成一个带字幕的新视频，字幕可选可关也能烧进画面。视频容器有 Auto(MP4/MKV)、MP4、MKV、WebM、Original 五种，音频也能单独存。

AI 那步不锁死，接谁家的模型自己定

转录页的 AI 提示词结果

转录出来的文字可以直接在软件里过一遍 AI。内置了七个提示词，点总结、语法和标点清理、生成常见问题、提取数据、画思维导图、改写、翻译，点一下就跑。

设置里的模型供应商页

模型这块不搞捆绑。可接的供应商有十一家，OpenAI、Anthropic、Google、DeepSeek、Groq、Azure、Hugging Face、OpenRouter、xAI、Ollama、LM Studio，也支持自建，填名称、Base URL、模型 ID 和 API key。国内服务和本地模型都能接。

提示词和模型是分开的。内置提示词能改，也能从头建新的，带上标题、图标和说明；换服务商不影响已经攒下的提示词库。API key 只存本地。

边界要说清楚。识别那一步在本地，AI 那一步取决于你选谁。跑提示词时，提示词和转录内容会发给配置的供应商；只有选 Ollama 或 LM Studio 这类本地端点，AI 那步才留在本机。

下载队列和 RSS 订阅，解决的是持续用

下载队列页，任务进度与速度与状态

下载这边，粘一个链接就能下，批量链接、播放列表、整个频道都支持。队列能看到每个任务的实时进度、速度、文件大小和保存格式，暂停、恢复、重试、移除都在同一页，失败了不用重新排队。下完可以让它自动接着转录。

RSS 订阅页，订阅卡片与队列状态

RSS 是给长期用的人准备的。常看的频道可以订起来，软件自己检查更新，有新内容就进下载队列。每个订阅能单独定规矩。

按关键词过滤。
自动打标签。
不想要历史积压就只下最新一期。
保存目录和文件名模板分开配。

每条内容现在是排队中、下载中、完成还是失败，一眼能看清。它还能配合 RSSHub 用，把订阅来源扩到几乎任意站点。

下载时还有些细节能保住。标题、作者这些元数据可以嵌进文件，封面图能存下来当封面，章节标记保留，字幕能带的也带上。文件名风格、要不要按频道建子文件夹、默认存哪个目录，都能在设置里定。

装完先做一件事，然后就是粘链接

官网下载页，版本号与三个平台的安装包分类

安装包从官网下载页或 GitHub 的 Releases 拿，当前版本 v2.1.0。macOS 分 Apple Silicon 和 Intel，Windows 分带自动更新的安装版和免安装便携版，Linux 有 AppImage 和 deb。

装完先做一件事，去设置里下一个语音识别模型，软件会按电脑情况推荐，跟着选就行。

然后就是日常。找一期想看的外语视频，链接粘进去下载，下完它自己开始转录。转录完点一下翻译，或者先出个要点总结，看看值不值得细看；觉得值得，再对着带时间戳的原文慢慢过。想调提示词或换模型在设置里改。

边界要说清楚，尤其是版权

先说一个不算缺点的缺点。项目还在活跃开发，偶尔有小毛病，好在更新挺勤，遇到问题可以去 GitHub 提 issue。

另一个变量是 AI 那步的质量。翻译和总结能做到什么水平，取决于你接的模型；模型一般，出来的东西也就一般。

还有个边界前面提过，识别在本地，AI 那步看供应商。真要全程不联网，就得选本地端点，代价是本地模型的效果通常不如云端。

版权这块写在前面。下载下来的内容建议留在个人学习和研究的范围里用，涉及版权的作品不要二次分发。至于给外语内容做翻译加解说算不算合规，没有统一答案，得按具体用途自己判断。

什么人会真的用得上

看外语技术视频的，纪录片、公开课、人物访谈，先转录再翻译，顺便还能做出带字幕的视频。
自己录会议和访谈的，说话人分开标注，回头想找谁说过的哪句话，搜一下就有。
做笔记的，转录结果导成 Markdown，直接进笔记软件。

最后交代一句，我没装过 VidBee，也没跑过转录，上面的功能描述来自官方 README 与来源正文，效果类的东西建议自己拿一段视频试。仓库地址是 https://github.com/nexmoe/VidBee 。