VideoSummaryAI

VideoSummaryAI 是一个面向 Windows 的本地视频字幕工具，提供 faster-whisper 转录、中文 AI 总结、关键词搜索、时间定位、可选的 PotPlayer 联动，以及简体中文和 English 字幕翻译。

Whisper 只处理音轨。本项目不做视觉理解，也不分析视频画面。

• faster-whisper 本地语音转录与 NVIDIA CUDA 加速
• 自动识别语言，或手动选择日语、中文、英语
• 基于结构化 transcript 的中文 AI 视频总结
• 字幕关键词搜索与时间戳跳转
• 内置 Qt 播放器
• 可选 PotPlayer 联动
• 生成简体中文字幕和 English 字幕
• 转录、总结与翻译缓存及缓存管理
• 视频移动后，通过独立关联记录重新绑定既有 transcript

• Windows 11 x64
• Python 3.14.7 x64
• NVIDIA RTX 5060 和支持 CUDA 12 的当前驱动
• faster-whisper 1.2.1、CTranslate2 4.8.1、PyAV 18.1.0、NumPy 2.5.2
• PySide6 6.11.2
• requirements.txt 中固定版本的 NVIDIA CUDA 12 Python 包

• Windows x64 和 Python 3.14 x64
• 支持 CUDA 与 float16 的 NVIDIA GPU 和可用驱动
• 已下载、兼容 faster-whisper 的本地模型目录；large-v3 是本项目实际验证的模型
• 足够的磁盘空间安装 Python、Qt 和 NVIDIA 运行库

AI 总结和字幕翻译还需要已安装的 Codex CLI、有效登录和网络连接。PotPlayer 为可选组件。

git clone https://github.com/OWNER/VideoSummaryAI.git
cd VideoSummaryAI
setup.bat

setup.bat 只创建仓库内的 .venv，不会修改系统 Python、系统 PATH、CUDA Toolkit 或 NVIDIA 驱动。

首次运行：

start.bat

程序会提示“未配置 Whisper 模型”，点击“选择模型目录”，选择包含下列文件的完整 faster-whisper 模型目录：

• config.json
• model.bin
• tokenizer.json
• vocabulary.json
• preprocessor_config.json

模型路径写入本机 user_settings.json，该文件已被 Git 忽略。程序不会自动下载模型。

1. 选择或拖入本地视频。
2. 选择自动识别或指定语言，点击“开始转录”。
3. 转录完成后可生成 AI 总结。
4. 使用关键词搜索并点击时间戳定位视频。
5. 在“字幕翻译”页选择简体中文或 English。
6. 使用内置播放器，或通过 PotPlayer 打开视频和当前字幕。

同一视频与相同参数会复用缓存。视频移动后，可运行：

.venv\Scripts\python.exe -B -m tools.associate_transcript_video "data\transcripts\CACHE_ID.json" "新的视频路径"

关联要求文件名和大小与 transcript 记录一致；它不会改写 transcript。

程序自动查找当前有效的 codex.exe，并检查版本、登录状态和 codex exec 参数。未安装或未登录时，转录、搜索和内置播放器仍可使用，AI 功能会显示明确错误。

总结使用分块与分层处理。翻译只向 Codex 发送 segment 的 id/text；时间戳由本地 Python 从 transcript 保留。结果使用原子写入和独立缓存。

• Whisper 转录在本机完成，模型以离线模式加载。
• 使用 AI 总结或字幕翻译时，transcript 文本会发送给用户自己登录的 Codex 服务。
• 原视频不会因为总结或翻译而自动发送给 Codex。
• 视频、缓存、日志、设置、模型和字幕默认不会进入 Git。

程序会从用户设置、常见安装位置、注册表和 PATH 查找 PotPlayer。找不到时可以手动选择 PotPlayerMini64.exe 或 PotPlayerMini.exe。没有 PotPlayer 不影响程序启动和内置播放器。

完成安装后运行：

powershell -NoProfile -ExecutionPolicy Bypass -File .\tools\create_shortcut.ps1

脚本按当前 clone 目录动态创建快捷方式，不包含固定磁盘路径。

.venv\Scripts\python.exe -B -m unittest discover -s tests -q
.venv\Scripts\python.exe -m pip check

脱敏验证结果见 docs/VALIDATION.md。

• 当前重点验证 Windows x64、Python 3.14 和 NVIDIA CUDA；未宣传其他平台支持。
• QtMultimedia 能否播放某种编码取决于本机媒体组件。
• AI 总结和翻译速度受 Codex 服务与网络影响。
• ASR 可能错误识别专有名词，生成字幕仍应人工检查。
• 当前是 segment 级时间戳，不提供逐词对齐。
• 不提供视觉分析、OCR 或画面理解。

项目源码采用 MIT License。第三方依赖按各自许可证提供，详见 THIRD_PARTY_NOTICES.md。

English documentation: README.en.md