📖 简介

AI 视频图文创作助手是一款 Web 工具, 基于 AI 大模型, 一键将视频和音频转化为各种风格的文档, 无需登录注册, 前后端本地部署，以极低的成本体验 AI 视频/音频转风格文档服务。

✨ 核心功能

• ✅ 完全开源：MIT 协议授权，支持本地部署。
• 🔒 隐私保护：无需登录注册，任务记录保存在本地
• 💻 前端处理：采用 ffmpeg wasm 技术，无需本地安装 ffmpeg
• 🎯 多种风格支持：支持小红书/公众号/知识笔记/思维导图/内容总结等多种文档风格支持。
• 🤖 AI 对话：支持针对视频内容进行 AI 二次问答。
• 🎬 支持字幕导出: 结果一键导出为字幕文件。
• 🖼️ 智能截图: 基于字幕信息智能截图并插入文章, 无需视觉大模型, 实现真正的图文并茂。
• 🎨 支持自定义 Prompt：支持在前端自定义配置 prompt。
• 🐳 一键部署：支持 Docker 一键部署。
• 🔒 支持设置访问密码: 后端设置访问密码之后, 前端用户需要填写该密码才可以正常使用。

🔜 未来计划

• 🎙️ 音频识别支持使用 fast-whisper 本地大模型处理，进一步降低成本

👾 开发者的废话

AI 视频创作助手源于我年初的一个想法, 作为一个喜欢阅读的人, 我更希望将一些视频内容转化为文字, 方便我进行二次阅读思考和总结记录笔记, 但市面上并没有一个好的工具来实现这个想法, 大多数工具都需要登录和付费, 我不太想在互联网上注册过多的账号, 同时也不想将自己想要总结的内容上传至除了云厂商之外的第三方平台，因此我开发了这个小应用，MIT 协议, 任何人都可以以极低的成本去体验音视频转文本。

💬 哪里可以找到我

公众号(韩数同学)

或者首页置顶 issue 加入微信交流群. 如果部署遇到问题，我下班之后看到后一般会回复。

项目截图

全新设计的首页, 尽力之作

全新功能: 支持智能截图并插入到文中对应位置(本地方案, 无需视觉大模型, 0成本)

开启方式, 点击自定义设置->智能截图 选择打开。

全新设计的结果页, 支持一键导出为字幕。

支持自定义 prompt

📦 docker 本地一键部署

0️⃣：安装 docker, 这个网上有教程, Windows 玩家建议使用 wsl 启动该项目。

1️⃣：下载项目首页的 docker-compose.yaml 文件

2️⃣：参考variables_template.env 在项目根目录下生成 variables.env 文件。 请根据 后端部署指引 / 配置项说明 完善 variables.env 文件中的环境变量。 variables.env 必须与 docker-compose.yaml 在同一目录下, 建议建个新的文件夹单独存放这两个文件。

3️⃣：运行, 在 docker-compose.yaml 所在目录下运行:

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

🔧 本地开发指南

• 后端本地部署
• 前端本地部署

🤝 赞助

天工超级智能体 1.0 调用海量工具完成各种任务

🔄 处理流程

🌵 支持开发者

你可以关注我的小红书:

韩数同学： 致力于分享 Github 上那些好玩、有趣、免费、实用的高质量项目

微信公众号: 韩数同学

或者请我吃一包辣条 , 作为一个超级喜欢吃辣条的人, 很多晚上维护开源项目都是边吃辣条边写代码的 🤪。如果你有很喜欢吃的辣条, 你可以投喂我吃一包辣条, 5毛一包的也可以, 我将直接开启代码狂暴模式(化身八爪鱼: 🐙)。

请留下你要赞助作者的辣条名称 (🤩❤️‍🔥): 支持卫龙/麻辣王子/博士牛筋/臭干子，禁止投喂(🥵😵😵‍💫🤧🥴): 缺牙齿/霸王丝等有损本人生命值的辣条。

同时请备注你的 github 名称, 方便我整理展示在项目主页。🙌

赞助作者: 我的爱发电主页

赞助名单

🙌 致谢

感谢这些朋友对本项目做出的贡献:

crayon	chen_jx	LMseventeen

感谢以下自媒体对本项目的关注和转发(以下排名不分先后), 大家感兴趣的话可以关注下他们 ～

HelloGithub	开源AI项目落地	阮一峰的网络日志	一飞开源	胖氪笔记	逛逛Github	小红书: 摸鱼的小李

小红书: AI-GitHub | 逛逛Github

推特: | Geek | AIGCLINK | ilovelife | ahhhhfs

📄 许可证

本项目采用 MIT 许可证

🔗 相关链接

• volcengine-ai-app-lab

• throttled-py：✨Python 限流库，合理限制、平滑云资源用量。

其他 AI 工具:

Owl 猫头鹰小红书/公众号敏感词检测工具: 支持小红书、公众号敏感词检测，提交检测后自动识别文本中的敏感词并高亮显示，避免笔记违规, 免费使用。

🌟 Star History

AI-Media2Doc 快速上手指南

AI-Media2Doc 是一款基于 AI 大模型的 Web 工具，支持一键将视频/音频转化为小红书、公众号、思维导图等多种风格的文档。本项目完全开源，支持本地部署，无需登录注册，保障数据隐私。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows (Windows 用户强烈建议使用 WSL 子系统)
• 核心依赖：
  • Docker：用于容器化部署
  • docker-compose：通常随 Docker Desktop 一起安装
• 网络环境：能够访问火山引擎（Volcengine）API（项目默认使用其大模型服务）
• 硬件建议：由于主要计算在云端或本地 CPU 完成（前端使用 ffmpeg.wasm），对显卡无强制要求，但建议内存 >= 4GB。

安装步骤

本项目推荐使用 Docker 进行一键部署，无需手动配置前后端环境。

1. 获取项目文件

下载项目中的 docker-compose.yaml 文件和 variables_template.env 模板文件。 建议创建一个新文件夹专门存放这两个文件：

mkdir ai-media2doc
cd ai-media2doc
# 请从 GitHub 仓库下载 docker-compose.yaml 和 variables_template.env 到此目录

2. 配置环境变量

复制模板文件生成正式的环境配置文件，并填入必要的 API Key。

cp variables_template.env variables.env

使用文本编辑器打开 variables.env，根据 后端配置指引 填写火山引擎等大模型服务的密钥（如 VOLC_ACCESS_KEY, VOLC_SECRET_KEY 等）。

注意：variables.env 必须与 docker-compose.yaml 位于同一目录下。

3. 启动服务

在包含上述两个文件的目录下执行以下命令启动服务：

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

等待容器启动完成后，服务即可运行。

基本使用

1. 访问界面

打开浏览器，访问本地服务地址（默认端口通常为 8080 或你在 docker-compose 中指定的端口）：

http://localhost:8080

(注：具体端口请查看 docker-compose.yaml 中的映射配置)

如果后端设置了访问密码，首次进入需输入密码。

2. 上传媒体文件

• 在首页点击上传按钮，选择本地的 视频 或 音频 文件。
• 前端会自动利用 ffmpeg.wasm 处理文件，无需在服务器安装 ffmpeg。

3. 配置与生成

• 选择风格：在设置中选择目标文档风格（如：小红书笔记、公众号文章、知识总结、思维导图等）。
• 智能截图（可选）：在“自定义设置”中开启“智能截图”，系统将基于字幕自动截取关键帧并插入文中。
• 自定义 Prompt（可选）：可输入特定的指令来调整 AI 生成的语气或结构。
• 点击 “开始处理”。

4. 查看与导出

• 处理完成后，结果页将展示生成的图文内容。
• 二次问答：支持针对视频内容与 AI 进行对话。
• 导出文件：支持一键导出为 Markdown 文档或字幕文件（SRT/VTT）。

---

提示：所有任务记录与处理过程均在本地浏览器或本地容器中完成，不会上传至第三方平台，确保隐私安全。