很多人做"视频转文字",最后都走向了一个共同结局: 工具越做越重,依赖越装越多,流程越来越长。

我最近把这件事反过来做了一遍,目标只有一个: 只解决最常见、最刚需的场景,不做过度工程。

于是有了 Video Text Lite。

它的核心思路很简单: 有字幕就直接拿字幕,没有字幕再考虑下一步,而不是一上来就下载视频、转音频、跑大模型。

它能做什么

为什么说它"Lite"

我刻意砍掉了很多"看起来高级"但高频场景不需要的能力:

这样换来的好处非常直接: 启动快、占用小、部署简单、维护成本低。

这版新增了什么(重点)

实际使用里经常遇到一个问题: 视频明明有 AI 字幕,但 yt-dlp 没拿到。

这次我加了"兜底链路":

也就是说,命中率更高,但仍然保持"可控、克制"的调用策略。

适合谁

快速开始

cd video-text-lite
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8010
# 浏览器打开:http://localhost:8010

最后

如果你也有同样感受: "不是我做不出重工具,而是我只想先把 80% 的问题轻量解决掉", 那这个项目应该会对你有用。

项目地址:https://github.com/liquidsax/video-text-lite