Video2text — 音视频转文字工具｜链接、BV号与本地文件

会议录屏、网课、播客，录完就躺在硬盘里，想找一句话得拖着进度条来回找，分享一个实用的开源项目叫 Video2text 丢一个链接进去，出来一份能读的文稿，我觉得挺有意思，分享一下。它属于装在本机就能跑的那一类软件工具，也是这段时间用下来最省事的效率工具之一。

它是什么

Video2text是一个在 Windows 和 macOS 上本地运行的音视频转文字工具。它既可以接收分享文本、视频链接或 BV 号，也能直接上传本地音视频文件；程序会先把音频统一准备好，再调用两个由使用者自己配置的模型，最后生成一份便于阅读和下载的文稿。代码开源在 GitHub 上，没有账号系统，也不设服务端数据库。

场景痛点

做内容创作的人应该都有这个感受：刷到一场不错的分享，想留一份文字版，就得自己一遍遍听、一遍遍暂停。两个小时下来，人先垮了。

也有人在用在线转写服务。方便是方便，可文件要传上去，长一点的还按分钟收费。真要做知识管理，这些文字版本本来该是自己的资料，结果散在各个平台上，回头想找还得一个个登录。

功能特点

支持完整分享文本、B站链接、b23.tv 短链和BV号。
支持上传MP4、MKV、MOV、AVI、WebM、MP3、WAV、M4A、AAC、FLAC、OGG、Opus等常见本地视频和音频格式。
获取视频标题、当前分P、时长、B站字幕和音频。
清理JSON、VTT等字幕中的时间轴和元信息。
自动转换MP3、长音频切片和转写失败重试。
无字幕时可由用户确认后跳过字幕，继续使用音频转写。
展示任务进度、当前步骤和脱敏日志，可取消任务。
展示并下载最终Markdown，也可复制Markdown原文。
可分别下载清理后的字幕、AI音频转写稿和日志TXT。
保存、搜索、恢复和删除历史记录。
支持本地数据全量导出、导入和清空。

四种入口都能喂进去

链接、分享文本、短链、BV 号，四种都能识别。本地文件同样支持，常见的视频与音频格式基本都在。拿到视频之后，程序会取出标题、当前分集、时长、字幕和音频。

两个模型，一个听一个写

两个模型用途不同，都要自己配。第一个负责听，把音频逐段转成文字，这个模型必须真的支持音频输入，纯文本模型顶不上。第二个负责写，对照字幕和音频转写稿，整理出最终文稿。两个都填好服务地址、密钥和模型名，温度建议从 0 到 0.3，别让它自由发挥。文稿是 Markdown 格式，读起来清爽，也方便再加工。

长音频会切片，失败会重试

音频会先统一转换格式，太长的自动切片。转写失败会自动重试，任务进度、当前步骤和脱敏后的日志都能看到，中途想停也能取消。没有字幕的视频，可以确认后跳过字幕，只走音频转写这一步。

数据留在本机

模型配置、密钥、精简后的登录信息和历史记录，都存在当前浏览器里，不写进项目源码。上传的文件只放在任务独立的临时目录，任务结束就清理。有一点要留意：选了第三方模型服务，音频和转写文本会发到填写的那家服务商，用之前先看它的隐私条款。

使用教程

第一步：下载压缩包，完整解压到有写入权限的目录。Windows 双击启动脚本，就能够自动配置好环境，一次性把所有东西都安装好；macOS 先在终端里给启动脚本加上执行权限，再双击运行。首次运行会自动准备运行环境、浏览器内核和转码工具，服务就绪后自动打开浏览器。

第二步：首次打开页面，点「打开登录窗口」，在弹出来的窗口里扫码登录，回到页面点「提取并保存」。登录状态失效之后，在设置里重新获取一次就行。

第三步：打开右上角「设置 → 模型配置」，两个模型分别填。听的那个要选明确支持音频输入的型号，写的那个用文本模型即可。填完分别保存，可以点「获取模型」先测一下连通。

第四步：回到首页，粘贴分享文本、链接或 BV 号，点发送；输入框空着的时候，点右侧加号上传本地音视频文件。

第五步：等任务跑完。之后可以下载或复制文稿，也能展开看清理后的字幕、音频转写稿和完整日志。在 AI工具这一类里，它算是把流程走完整的那种。

使用感受

第一点，本地跑这点让人踏实。密钥、登录信息和历史记录都在自己机器的浏览器里，不用先注册一个账号，也不用把一堆东西交给别人保管。

第二点，两个模型分开配，看着麻烦，其实清楚。听的和写的各管一摊，哪个不好用就换哪个，不用将就一整套。

第三点，边界写得老实。它只处理链接指向的那一集，也不碰付费、会员、私密这类受限内容；导出文件里带着密钥和历史正文，作者专门提醒别乱发。这类工具推荐里，它属于想明白了再上手的那一类，归到实用软件也合适。常做 AI相关整理的人，应该会喜欢这种把活干完就走的工具。

官方网站

访问

下载地址

https://pan.quark.cn/s/a6bd6dd1d76b

Video2text — 音视频转文字工具｜链接、BV号与本地文件

它是什么

场景痛点