GitHub 3.5k Star 的 AI 视频转文档神器

大家好，我是太阳鸟！

刷 B 站、看 YouTube 的时候经常遇到一个问题：视频内容很好，但想记笔记太费劲了。有的视频干货很多，手动整理一遍要花大半天，而且很容易漏掉关键信息。

在 GitHub 上发现了一个神器 AI-Media2Doc，3.5k Star，一键就能把视频/音频转成各种风格的文档。

它能干什么？

简单来说：给它一个视频链接或音频文件，AI 帮你直接输出一篇排好版的文章。

支持的输出风格：

  • 小红书风格 — 自动生成小红书图文笔记
  • 公众号风格 — 直接输出公众号排版文章
  • 知识笔记 — 结构化的学习笔记
  • 思维导图 — 梳理视频逻辑结构
  • 视频字幕 — 一键导出字幕文件
  • 内容总结 — 快速提取核心要点

来看看首页长什么样：

亮点功能

1、智能截图

这个功能是真的绝。它能根据字幕内容，自动在视频对应位置截图，然后插入到文章里——不需要任何视觉大模型，零成本实现图文并茂。

你想想，看了一个 30 分钟的技术教程，它帮你自动截图 + 整理成图文笔记，这效率直接起飞。

2、AI 二次问答

转完文档之后，还能针对视频内容进行 AI 对话。比如：

“这个视频里提到的那个算法，能再详细解释一下吗？”

相当于给视频配了一个专属 AI 助手。

结果页设计得也很清爽，支持一键导出字幕：

3、自定义 Prompt

不满意默认的输出风格？可以在前端直接自定义 Prompt，想要什么风格就调什么风格。写公众号的、做小红书的、写技术博客的，各取所需。

4、隐私友好

不需要登录注册，任务记录保存在本地，不上传到第三方平台。用 ffmpeg wasm 技术在前端处理音频，甚至不需要本地安装 ffmpeg。

处理流程

整个架构设计得很清晰，来看一下处理流程图：

技术栈

  • 前端： Vue
  • 后端： Python
  • 音频处理： ffmpeg wasm（前端直接处理）
  • AI 模型： 支持接入各种大模型（ChatGPT、豆包等）
  • 部署： Docker 一键部署

怎么用？

最简单的方式就是 Docker 一键部署：

docker-compose -f docker-compose.yaml up -d

三步走：

  1. 安装 Docker
  1. 下载 docker-compose.yaml 和配置好 variables.env
  1. 运行上面那条命令，完事儿

适合谁？

  • 自媒体创作者 — 看完视频直接转成公众号文章/小红书笔记，效率翻倍
  • 学生党 — 网课视频直接变学习笔记，期末复习利器
  • 知识工作者 — 播客、会议录音秒变结构化文档
  • 内容搬运 — 视频内容转文字二次创作（注意版权哈）

源码

项目前后端完全开源，MIT 协议，可以自由使用和修改。前端 Vue，后端 Python，代码结构清晰，有能力的同学可以自己加功能。

开源项目地址：

github.com/hanshuaikang