有哪些方式可以解析 B 站、抖音的视频的文本？

菜的抠脚 · 发表于 2026-5-15 01:24:04

刷视频的时候经常听到一些醍醐灌顶的观点，但是视频收藏起来之后就很难找到、或者说索引出来。

要是能解析成文本保存到笔记中就好了。

V 友们，知道有什么效率高、成本低的方案吗？

我们都是小怪兽 · 发表于 2026-5-15 01:24:09

你问下 ai ，它会帮你安装音频转文字，再帮你提炼。
豆包也可以提炼抖音视频的内容

云朵收集者 · 发表于 2026-5-15 01:40:06

yt-dlp + whisper + 随便找个 LLM 总结自己写个脚本感觉不会很难

咕咕鸡 · 发表于 2026-5-15 01:43:21

如果大部分的内容都是文字稿转视频配上动画的,确实语音转文字是个不错的省流方案,要是配合本地语音模型加上 llm 感觉是个不错的方案,先 mark 回头手搓一个

独行 · 发表于 2026-5-15 02:13:04

yt-dlp 下载音频，本地大模型 ASR 转文字。

野得像风 · 发表于 2026-5-15 02:35:05

用 wispher 模型转换一下？

仙辞 · 发表于 2026-5-15 02:47:04

抖音可用豆包

bob13551 · 发表于 2026-5-15 09:40:06

绝大多数的“总结”方案都是直接扒字幕的。

也就是说，如果你要的视频观点、内容主要以语言的形式呈现，那么效果就不错。
如果是以视觉效果呈现，成本就比较高了。

举个例子，比如有的 up 喜欢说“结论如图”/“自己截屏查看”，这种情况市面上的“总结”方案就做不到。

Enn · 发表于 2026-5-15 11:40:06

@sentinelK 对的，有些视频没有字幕或者某些敏感内容只有语音没有字幕时候就缺失