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
- 输入 B 站 / YouTube 等链接,直接提取字幕
- 自动把 srt/vtt 转成可读纯文本
- 网页里直接预览全文和分段,不用再去文件夹翻 txt
- 保留 txt / srt / json 下载
- 本地运行,零外部 AI API 成本
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:
- 不做视频下载
- 不做 Whisper 大模型转录
- 不做账号系统和云端依赖
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":
- 先走 yt-dlp 官方链路
- 未命中时可启用第三方字幕兜底
- 内置低频限流和随机抖动,避免高频请求导致封禁风险
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
- 需要快速看视频内容、做笔记的人
- 经常把字幕再喂给 AI 做总结的人
- 不想折腾重型环境、只要"够快够稳够省事"的开发者
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