视频内容总结助手（Video Summary Helper）

把老师录制的论文修改意见视频（或腾讯会议录像）上传后，自动完成： 语音转字幕 → AI 提炼修改意见 → 导出 Word/Markdown → 可继续追问

桌面软件（Windows）：本地 Whisper 语音识别（隐私安全、免费离线）＋ DeepSeek V4 AI 总结， 支持通用视频总结与学习笔记模式，处理记录自动留存，可打包为独立 exe 分发。

功能

• 导入 mp4 / mkv / mov / webm 等视频，或 mp3 / wav 等录音；支持多选批量处理（串行队列，可停止）
• 本地 Whisper 语音识别（免费、离线、隐私安全），带时间戳字幕
• 三种识别模型可选（设置页含体积与适用场景说明），切换后点「重新识别」即可用新模型重新转写
• 不兼容编码的视频（如腾讯会议 VP9/AV1）自动转码为可播放格式，无需手动处理
• 字幕与视频播放器同步：播放高亮当前句（深色底白字）、点击字幕跳转、双击修正错字
• 三种总结模式（设置页切换，卡片与导出自动跟随）：
  • 论文修改意见：提炼标题 / 优先级 / 时间段 / 问题 / 修改建议
  • 通用视频总结：核心要点 + 行动项
  • 学习笔记：概念 / 结论 / 考点延伸
• AI（DeepSeek V4）把字幕提炼成结构化内容，每条含 标题 / 优先级 / 视频时间段 / 内容 / 延伸
• 导出三类文件：
  • 字幕 (.txt)：逐行 [mm:ss] 内容
  • 总结 (.md / .docx)：按优先级排序，文件末尾含「追问记录」章节
• 对话式追问：继续问"第三条意见具体指哪部分？"等，追问内容随总结一并导出
• 「处理记录」页：每次处理的视频自动保存完整快照（字幕/意见/追问），可随时载入回顾；右键删除记录（可连带删除音频文件）；「数据管理」可清理音频提取文件与识别模型，由你决定保留哪些数据

运行环境

• Windows 10/11，Python 3.12+（已在 3.14 验证）
• 首次使用某模型时自动下载（small≈460MB / medium≈1.5GB / large-v3≈3GB）
  • 下载源自动选择：本机缓存 → HuggingFace 镜像（hf-mirror）→ 魔搭 ModelScope（国内稳定），模型存于 work/models/
• AI 总结需 DeepSeek API Key（https://platform.deepseek.com 注册，总结一次视频约几分钱）

快速开始

# 1. 创建虚拟环境并安装依赖
python -m venv .venv
.\.venv\Scripts\pip install -r requirements.txt

# 2. 启动
.\.venv\Scripts\python main.py

启动后点击工具栏「设置」，填入 DeepSeek API Key（仅保存在本机 settings.json）。

打包为独立应用（无需 Python 环境）

.\.venv\Scripts\pip install pyinstaller
.\.venv\Scripts\python -m PyInstaller --name "视频总结助手" --windowed --noconfirm --clean `
  --collect-all imageio_ffmpeg --collect-all faster_whisper --collect-all ctranslate2 `
  --collect-all av --collect-all tokenizers main.py

产物在 dist/视频总结助手/，双击 视频总结助手.exe 即可运行（首次约 450MB）。 打包后数据（模型缓存、记录、配置）保存在 exe 同目录下的 work/、records.json、settings.json。

打包自检（验证 ffmpeg/模型/转写链路正常）：

视频总结助手.exe --selftest 某段测试音频.wav

正常输出 SELFTEST OK: 识别 N 条字幕...。

使用流程

1. 点击「导入视频/录音」，选择老师录制的视频（或腾讯会议录像导出文件）；可多选批量处理
2. 等待自动提取音频并转写字幕（状态栏显示进度，批量时自动逐个处理）
3. 「字幕浏览」页可播放视频、对照字幕，双击字幕可修正识别错误
4. 切到「AI 总结」页，点击「生成总结」；可继续在下方追问
5. 工具栏「导出 ▾」菜单：导出字幕 (.txt) 或总结 (.md / .docx，含追问记录)
6. 识别效果不理想：在「设置」切换识别模型，点「重新识别」重跑

常见问题

• 转写太慢：默认 small 模型。在「设置」中可换 medium（更准但更慢）；视频较长时建议拆分。
• 模型下载失败/卡住：程序会自动尝试 hf-mirror 与魔搭 ModelScope 两个下载源；若仍失败请检查网络，稍后重试。
• 视频播放黑屏/无声：腾讯会议部分录像用 VP9/AV1 编码，导入后会自动转码（首次约多等几分钟，提示在状态栏），之后播放正常。
• 识别中文不准：确认「设置 → 识别语言」为 zh；嘈杂录音建议先用腾讯会议/软件自带的音频降噪。
• AI 总结失败：检查 API Key、余额；DeepSeek 需账户有余额。
• 总结模型选择：V4 Flash（便宜，推荐）与 V4 Pro（分析更深、价格更高）在「设置」中切换。
• 总结模式：论文修改意见 / 通用视频总结 / 学习笔记在「设置」中切换，导出与卡片展示自动适应。

项目结构

main.py                      # 入口
app/
├── models.py                # 数据模型（字幕段/修改意见/任务）
├── config.py                # 配置读写（settings.json）
├── workers.py               # 后台线程（转写/总结/追问）
├── services/
│   ├── audio_extract.py     # ffmpeg 提取音频
│   ├── asr.py               # faster-whisper 本地转写
│   ├── model_download.py    # 模型下载（本地/HF镜像/魔搭多源 fallback）
│   ├── playback.py          # 播放编码检测 + 自动转码
│   ├── summarizer.py        # DeepSeek 总结（三种模式）+ 追问
│   ├── exporter.py          # 字幕/总结导出（txt/Markdown/Word）
│   └── record_store.py      # 处理记录存取（records.json）
└── ui/
    ├── main_window.py       # 主窗口
    ├── transcript_view.py   # 字幕同步浏览/编辑
    ├── summary_view.py      # 意见卡片 + 追问
    ├── records_view.py      # 处理记录 + 数据管理
    └── settings_dialog.py   # 设置页

隐私说明

• 语音识别完全在本地进行，视频/音频不会上传到任何服务器
• DeepSeek API Key 仅保存在本机 settings.json，仅用于调用总结接口；字幕文本会发送给 DeepSeek 用于生成总结（请在设置页阅读提示）
• 处理记录（字幕/总结快照）只保存在本机 records.json

开源协议

本项目采用 Apache License 2.0。欢迎提交 Issue 与 PR。

扩展方向

• 通用视频总结模式（换提示词预设即可支持任意视频内容总结）
• 批量处理多段视频
• 打包为独立 exe（PyInstaller）