Video Transcriber 🎥➡️📝

一个视频文件转文本工具，基于SenseVoice实现高精度多语言语音识别。

✨ 特性

📤 文件上传: 直接上传视频文件进行处理（最大支持1GB）
🤖 高精度转录: 基于SenseVoice，准确率95%+，中文优化
🔒 隐私保护: 本地处理，数据不外泄
🌐 Web界面: 简洁易用的Web界面
⚡ 批量处理: 支持多个视频同时转录
🎵 智能音频: 自动提取和优化音频质量
📝 多种格式: 支持JSON、TXT、SRT、VTT输出
🔄 实时状态: 实时显示处理进度
🎯 长视频分割: 自动将长音频分段处理，有效避免CUDA OOM错误，支持超长视频转录
🚀 内存优化: 智能分块 + CPU fallback，适配8GB显存设备
🧩 智能分块: 长音频自动分段处理，避免重复/卡顿
🔄 自动重试: 网络或临时错误自动重试
🇨🇳 中文优化: 默认中文转录，避免误识别为英语
✨ 标点符号: 自动添加标点符号，提高可读性

🚀 快速开始

环境要求

Python 3.10.x (强烈推荐)
FFmpeg (用于音视频处理)
4GB+ RAM (推荐8GB以上)
GPU (可选，用于加速)

Python版本说明

依赖包	版本	Python支持
PyTorch	>=1.13.0	3.8-3.11 ❌不支持3.12+
FunASR	>=1.0.0	3.8+
ModelScope	>=1.0.0	3.8+
FastAPI	0.104.1	3.7+
Pydantic	2.5.2	3.8+
librosa	0.10.1	3.8+

推荐版本:

⭐ Python 3.10.x - 首选，完美兼容所有依赖
⭐⭐ Python 3.11.x - 次选，大部分依赖支持
⚠️ Python 3.8/3.9 - 最低要求，不推荐
❌ Python 3.12+ - PyTorch 1.13 不兼容

安装

克隆项目

git clone https://github.com/Acclerate/video-transcriber.git
cd video-transcriber

安装依赖

# 确保使用 Python 3.10 (推荐)
python --version

# 创建虚拟环境 (使用 Python 3.10)
python3.10 -m venv venv
# 或使用 conda (推荐)
# conda create -n video-transcriber python=3.10
# conda activate video-transcriber

source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装Python依赖
pip install -r requirements.txt

# 安装FFmpeg (Ubuntu/Debian)
sudo apt update
sudo apt install ffmpeg

# 安装FFmpeg (macOS)
brew install ffmpeg

# 安装FFmpeg (Windows 10/11)
# 方法1: 使用 winget (推荐, Windows 11/10 最新版)
winget install ffmpeg
# 或使用 Chocolatey
# choco install ffmpeg

# 方法2: 使用 Scoop
scoop install ffmpeg

# 方法3: 手动安装
# 1. 下载: https://www.gyan.dev/ffmpeg/builds/ffmpeg-release-essentials.zip
# 2. 解压到 C:\ffmpeg
# 3. 添加 C:\ffmpeg\bin 到系统 PATH 环境变量
#    - 右键"此电脑" -> 属性 -> 高级系统设置 -> 环境变量
#    - 在"系统变量"中找到 Path, 点击编辑, 添加 C:\ffmpeg\bin
# 4. 重启终端, 验证安装: ffmpeg -version

# 方法4: 使用项目自带 (无需系统安装)
# 项目已包含 ffmpeg_bin 目录, 程序会自动使用
# 如需手动指定: 设置环境变量 FFMPEG_PATH=D:\privategit\github\video-transcriber\ffmpeg_bin\ffmpeg.exe

安装 SenseVoice 依赖

# 安装 FunASR 和 ModelScope
pip install funasr modelscope

下载 SenseVoice 模型

# 从 ModelScope（阿里云）下载 SenseVoice 模型
python main.py download-model sensevoice-small

# 查看所有可用命令
python main.py --help

启动服务

# 启动Web服务
python main.py serve

# 访问 http://localhost:8665

快速安装（Windows）

如果您使用 Windows 和 conda，可以按照以下步骤快速安装：

# 第一步：激活环境
conda activate video-transcriber

# 第二步：安装依赖
cd D:\privategit\github\video-transcriber

# 安装 SenseVoice 依赖
pip install funasr modelscope

# 第三步：下载 SenseVoice 模型
python main.py download-model sensevoice-small

# 第四步：启动服务
python main.py serve

📖 使用方法

Web界面使用

启动服务:

python main.py serve

访问 http://localhost:8665
使用方式:
- 单个转录: 上传视频文件，选择模型和语言，点击开始转录
- 批量转录: 一次上传多个视频文件（最多20个），自动批量处理

API 使用

# 启动API服务
uvicorn api.main:app --host 0.0.0.0 --port 8665

# 访问API文档
# http://localhost:8665/docs

import requests

# 单个文件转录
files = {"files": open("video.mp4", "rb")}
data = {
    "model": "sensevoice-small",
    "language": "zh",  # 中文
    "format": "json"
}
response = requests.post("http://localhost:8665/api/v1/transcribe/file", files=files, data=data)

result = response.json()
print(result["data"]["transcription"]["text"])

# 批量转录
files = [("files", open(f"video{i}.mp4", "rb")) for i in range(3)]
data = {
    "model": "sensevoice-small",
    "language": "zh",
    "max_concurrent": "2"
}
response = requests.post("http://localhost:8665/api/v1/transcribe/batch", files=files, data=data)

命令行使用

# 基础转录
python main.py transcribe /path/to/video.mp4

# 指定模型
python main.py transcribe /path/to/video.mp4 --model sensevoice-small

# 指定语言
python main.py transcribe /path/to/video.mp4 --language zh

# 包含时间戳
python main.py transcribe /path/to/video.mp4 --timestamps

# 批量处理
python main.py batch file_list.txt

# 指定输出格式 (txt/json/srt/vtt)
python main.py transcribe /path/to/video.mp4 --format srt

# 查看系统信息
python main.py info

# 查看可用模型
python main.py models

🛠️ 配置选项

环境变量配置

创建 .env 文件（参考 .env.example）:

# ============================================================
# 服务配置
# ============================================================
HOST=0.0.0.0
PORT=8665
DEBUG=false

# ============================================================
# SenseVoice 语音识别配置
# ============================================================
# 默认模型: sensevoice-small
DEFAULT_MODEL=sensevoice-small

# 默认转录语言: zh(中文), en(英语), ja(日语), ko(韩语), auto(自动检测)
# 默认使用中文以获得最佳识别效果
DEFAULT_LANGUAGE=zh

# 音频分块处理配置
# 长音频分段处理可提高准确率和性能，避免CUDA OOM
ENABLE_AUDIO_CHUNKING=true
CHUNK_DURATION_SECONDS=300        # 每块5分钟（适配8GB显存）
CHUNK_OVERLAP_SECONDS=2           # 块之间重叠2秒
MIN_DURATION_FOR_CHUNKING=600     # 超过10分钟的音频才启用分块

# 是否启用GPU加速
ENABLE_GPU=true

# 模型缓存目录
MODEL_CACHE_DIR=./models_cache

# ============================================================
# 文件配置
# ============================================================
# 临时文件目录
TEMP_DIR=./temp

# 最大文件大小 (MB)
MAX_FILE_SIZE=1024  # 1GB

# 清理临时文件间隔 (秒)
CLEANUP_AFTER=3600

# ============================================================
# 日志配置
# ============================================================
# 日志级别: DEBUG, INFO, WARNING, ERROR
LOG_LEVEL=INFO

# 日志文件路径
LOG_FILE=./logs/app.log

# 是否输出到控制台
LOG_TO_CONSOLE=true

# ============================================================
# 任务配置
# ============================================================
# 最大并发任务数
MAX_CONCURRENT_TASKS=3

# 任务超时时间 (秒)
TASK_TIMEOUT=3600

# ============================================================
# API 配置
# ============================================================
# API 密钥 (可选，用于认证)
API_KEY=

# 请求频率限制 (请求/分钟)
RATE_LIMIT_PER_MINUTE=60

# CORS 允许的源 (生产环境请设置具体域名)
CORS_ORIGINS=["*"]

SenseVoice模型选择

模型	大小	速度	准确率	推荐场景
sensevoice-small	244MB	快	很好	推荐，多语言支持

模型特点:

支持中文、英语、日语、韩语、粤语等多种语言
对中文等亚洲语言优化，准确率更高
自动语言检测
支持情感识别和中英文混合识别

支持的语言

语言代码	语言	语言代码	语言
zh	中文	es	西班牙语
en	英语	fr	法语
ja	日语	de	德语
ko	韩语	ru	俄语
auto	自动检测	-	-

支持的视频格式

格式	扩展名	状态
MP4	.mp4, .m4v	✅
AVI	.avi	✅
MKV	.mkv	✅
MOV	.mov	✅
WMV	.wmv	✅
FLV	.flv	✅
WebM	.webm	✅

支持的音频格式

格式	扩展名	状态
MP3	.mp3	✅
WAV	.wav	✅
M4A	.m4a	✅
AAC	.aac	✅
FLAC	.flac	✅
OGG	.ogg	✅

📁 项目结构

video-transcriber/
├── 📄 README.md                  # 项目说明
├── 📄 CODE_REVIEW_REPORT.md      # 代码审查报告
├── 📄 requirements.txt           # Python依赖
├── 📄 .env.example               # 配置模板
├── 📄 main.py                    # 命令行入口
├── 📁 api/                       # Web API层
│   ├── 📄 main.py                # FastAPI应用
│   ├── 📁 routes/                # API路由
│   │   ├── health.py             # 健康检查
│   │   └── transcribe.py         # 转录接口
│   └── 📄 websocket.py           # WebSocket处理
├── 📁 core/                      # 核心业务层
│   ├── 📄 engine.py              # 转录引擎
│   ├── 📄 transcriber.py         # 语音转录器
│   └── 📄 downloader.py          # 音频提取器
├── 📁 services/                  # 服务层
│   ├── 📄 transcription_service.py
│   ├── 📄 file_service.py
│   └── 📄 task_service.py
├── 📁 models/                    # 数据模型层
│   └── 📄 schemas.py             # Pydantic模型
├── 📁 config/                    # 配置管理
│   ├── 📄 settings.py            # 应用配置
│   └── 📄 constants.py           # 常量定义
├── 📁 utils/                     # 工具函数
│   ├── 📁 audio/                 # 音频工具
│   │   └── 📄 chunking.py        # 分块处理
│   ├── 📁 common/                # 通用工具
│   ├── 📁 ffmpeg/                # FFmpeg工具
│   ├── 📁 file/                  # 文件工具
│   └── 📁 logging/               # 日志工具
├── 📁 web/                       # Web前端
│   ├── 📄 index.html
│   ├── 📄 style.css
│   └── 📄 script.js
├── 📁 tests/                     # 测试文件
├── 📁 docker/                    # Docker配置
└── 📁 temp/                      # 临时文件目录

📝 API 端点

核心端点

端点	方法	描述
`/api/v1/health`	GET	健康检查
`/api/v1/transcribe/file`	POST	上传文件转录
`/api/v1/transcribe/batch`	POST	批量转录（多文件上传）
`/api/v1/task/{task_id}`	GET	查询任务状态
`/api/v1/tasks`	GET	列出最近的任务
`/api/v1/models`	GET	获取可用模型
`/api/v1/stats`	GET	获取统计信息
`/ws/transcribe`	WS	WebSocket实时转录

请求示例

# 单个文件转录
curl -X POST "http://localhost:8665/api/v1/transcribe/file" \
  -F "files=@video.mp4" \
  -F "model=sensevoice-small" \
  -F "language=zh" \
  -F "format=json"

# 批量转录 (最多20个文件)
curl -X POST "http://localhost:8665/api/v1/transcribe/batch" \
  -F "files=@video1.mp4" \
  -F "files=@video2.mp4" \
  -F "files=@video3.mp4" \
  -F "model=sensevoice-small" \
  -F "max_concurrent=2"

# 查询任务状态
curl "http://localhost:8665/api/v1/task/{task_id}"

# 列出最近的任务
curl "http://localhost:8665/api/v1/tasks?limit=10&status=completed"

# 获取统计信息
curl "http://localhost:8665/api/v1/stats"

⚡ 性能指标

处理速度 (基于SenseVoice Small模型)

短视频 (0-1分钟): ~5-10秒
中等视频 (1-5分钟): ~15-30秒
长视频 (5-10分钟): ~30-60秒
超长视频 (1小时+): ~30-60分钟（使用分块处理）

注意: 长视频使用分块处理会增加总处理时间，但能有效避免内存溢出错误。

准确率

中文: 95%+ (SenseVoice对中文优化)
英文: 95%+
日韩语: 90%+
中英混合: 93%+

资源消耗

CPU: 2-4核推荐
内存: 4GB+ (SenseVoice Small模型)
GPU: 可选，2-3倍加速效果
磁盘: 临时文件约50-200MB/视频

🐛 故障排除

常见问题及解决方案

1. FFmpeg 未找到

症状: 启动时报错 FFmpeg not found

解决方案:

# 检查FFmpeg是否已安装
ffmpeg -version

# Ubuntu/Debian
sudo apt update
sudo apt install ffmpeg

# macOS
brew install ffmpeg

# Windows
# 1. 下载: https://ffmpeg.org/download.html
# 2. 解压并添加到PATH环境变量
# 3. 或使用项目自带的 ffmpeg_bin 目录

2. 转录出现乱码或错误语言

症状: 中文被识别为英语或其他语言

解决方案:

# 方法1: 在API请求中指定语言
curl -X POST "http://localhost:8665/api/v1/transcribe/file" \
  -F "files=@video.mp4" \
  -F "language=zh"

# 方法2: 修改默认配置
# 编辑 .env 文件
DEFAULT_LANGUAGE=zh

# 方法3: 命令行指定
python main.py transcribe video.mp4 --language zh

3. 长音频卡顿或重复

症状: 长视频转录时卡住或重复内容

解决方案:

# 启用音频分块处理（已默认启用）
# 编辑 .env 文件确认以下配置:
ENABLE_AUDIO_CHUNKING=true
CHUNK_DURATION_SECONDS=300    # 每块5分钟
MIN_DURATION_FOR_CHUNKING=600 # 超过10分钟才分块

# 对于超长音频（1小时+），缩短分块时长:
CHUNK_DURATION_SECONDS=120    # 改为2分钟
MIN_DURATION_FOR_CHUNKING=300 # 降低到5分钟

4. 内存不足 (CUDA Out Of Memory)

症状: 报错 CUDA out of memory 或程序崩溃

解决方案:

# 方法1: 启用音频分块（推荐，已默认启用）
ENABLE_AUDIO_CHUNKING=true
CHUNK_DURATION_SECONDS=300    # 每块5分钟
MIN_DURATION_FOR_CHUNKING=600 # 超过10分钟才分块

# 方法2: 缩小块大小（对于超长视频）
CHUNK_DURATION_SECONDS=120    # 改为2分钟
MIN_DURATION_FOR_CHUNKING=180 # 降低到3分钟

# 方法3: 禁用GPU，使用CPU模式
ENABLE_GPU=false

# 方法4: 减少并发数
MAX_CONCURRENT_TASKS=1

# 注意：超过10分钟的长音频会自动切换到CPU模式，避免GPU OOM

5. GPU加速不生效

症状: 使用GPU但速度没有提升

解决方案:

# 检查CUDA可用性
python -c "import torch; print(torch.cuda.is_available())"

# 安装CUDA支持的PyTorch
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118

# 确认配置
ENABLE_GPU=true

6. 文件上传失败

症状: 上传时中断或报错

解决方案:

# 检查文件大小限制
MAX_FILE_SIZE=500  # 增加限制值

# 检查临时目录权限
TEMP_DIR=./temp
chmod 755 ./temp

# 检查磁盘空间
df -h

7. 依赖安装失败

症状: pip install 报错

解决方案:

# 更新pip
python -m pip install --upgrade pip

# 使用国内镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 单独安装问题依赖
pip install openai-whisper
pip install torch
pip install pydub

8. WebSocket 连接断开

症状: 实时进度推送中断

解决方案:

# 检查心跳超时配置（默认5分钟）
# 如果网络不稳定，可以在代码中调整超时时间

# 检查代理设置
# 确保WebSocket不被代理拦截

性能优化建议

1. GPU加速配置

# 安装CUDA支持的PyTorch
pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118

# 启用GPU
ENABLE_GPU=true

2. 模型预加载

# 首次运行时预加载模型
import whisper
model = whisper.load_model("small")

3. 批量处理优化

# 根据硬件调整并发数
# CPU: max_concurrent=1-2
# GPU: max_concurrent=2-4
curl -X POST "http://localhost:8665/api/v1/transcribe/batch" \
  -F "files=@video1.mp4" \
  -F "max_concurrent=2"

4. 分块处理优化

# 对于特别长的音频（1小时+），缩短块大小
CHUNK_DURATION_SECONDS=120    # 缩短到2分钟
CHUNK_OVERLAP_SECONDS=2        # 块之间重叠2秒

# 对于8GB显存设备
CHUNK_DURATION_SECONDS=300     # 默认5分钟
MIN_DURATION_FOR_CHUNKING=600  # 超过10分钟才分块

错误代码对照表

错误代码	HTTP状态	说明	解决方案
INVALID_FILE	400	文件格式不支持	检查文件格式
FILE_TOO_LARGE	413	文件超过大小限制	压缩视频或增加MAX_FILE_SIZE
MODEL_LOAD_FAILED	500	模型加载失败	检查网络/磁盘空间，重试
TRANSCRIPTION_FAILED	500	转录失败	查看日志，检查音频质量
TIMEOUT	504	处理超时	增加TASK_TIMEOUT或使用分块处理

🎬 长视频处理指南

音频分块处理机制

本项目采用智能音频分块技术来处理长视频，有效避免 CUDA OOM 错误：

工作原理

自动检测: 当音频时长超过 MIN_DURATION_FOR_CHUNKING（默认600秒/10分钟）时自动启用分块
快速分割: 使用 ffmpeg 将音频分割成多个块（默认每块300秒/5分钟）
独立转录: 每个块独立进行语音识别，处理完一个块后卸载模型释放内存
智能合并: 自动合并各块的转录结果，去除重叠部分

分块配置说明

配置项	默认值	说明
`ENABLE_AUDIO_CHUNKING`	true	是否启用音频分块
`CHUNK_DURATION_SECONDS`	300	每块时长（秒）
`CHUNK_OVERLAP_SECONDS`	2	块之间重叠时间（秒）
`MIN_DURATION_FOR_CHUNKING`	600	超过此时长才启用分块（秒）

分块大小建议

显存大小	推荐块大小	适用场景
4GB	60-120秒	短视频
8GB	120-300秒	中长视频（默认300秒）
12GB+	300-600秒	长视频

处理时长参考

以82分钟（4920秒）音频为例：

块大小	块数量	预计处理时间	显存占用
120秒	~41块	约40-60分钟	~2-3GB/块
300秒	~16块	约30-45分钟	~4-6GB/块
600秒	~8块	约25-35分钟	~7-8GB/块

智能设备选择

系统会根据音频时长自动选择处理设备：

≤10分钟: 使用 GPU（如果启用）
>10分钟: 自动切换到 CPU 模式，避免 GPU OOM

优化技巧

# 超长视频（2小时+）
CHUNK_DURATION_SECONDS=120
MIN_DURATION_FOR_CHUNKING=300

# 中等长度视频（30分钟-2小时）
CHUNK_DURATION_SECONDS=300
MIN_DURATION_FOR_CHUNKING=600

# 短视频（<30分钟）
CHUNK_DURATION_SECONDS=600
MIN_DURATION_FOR_CHUNKING=1800

🐳 Docker 使用

构建镜像

docker build -t video-transcriber .

运行容器

# 基础运行
docker run -p 8665:8665 -v $(pwd)/temp:/app/temp video-transcriber

# 使用GPU
docker run --gpus all -p 8665:8665 -v $(pwd)/temp:/app/temp video-transcriber

# 指定配置
docker run -p 8665:8665 \
  -e ENABLE_GPU=true \
  -e DEFAULT_MODEL=small \
  -v $(pwd)/temp:/app/temp \
  video-transcriber

Docker Compose

version: '3.8'
services:
  video-transcriber:
    build: .
    ports:
      - "8665:8665"
    environment:
      - ENABLE_GPU=true
      - DEFAULT_MODEL=small
      - DEFAULT_LANGUAGE=zh
      - ENABLE_AUDIO_CHUNKING=true
    volumes:
      - ./temp:/app/temp
      - ./models_cache:/app/models_cache
    restart: unless-stopped

🔧 开发指南

开发环境搭建

# 安装开发依赖
pip install -r requirements.txt

# 安装测试依赖
pip install pytest pytest-asyncio pytest-cov

# 运行测试
pytest

# 代码格式化
black .
isort .

# 类型检查
mypy .

运行测试

# 所有测试
pytest

# 单个测试文件
pytest tests/test_api.py

# 带覆盖率报告
pytest --cov=. --cov-report=html

🗺️ 开发路线图

即将推出的功能 🚀

AI 内容增强功能

🤖 OpenAI 接口接入
- 支持 GPT-4/GPT-4o 模型集成
- 兼容 OpenAI 兼容接口（如 Azure OpenAI、国内大模型服务）
- 灵活的 API Key 配置管理
📝 智能内容总结
- 自动生成视频内容摘要
- 提炼核心观点和关键信息
- 支持多语言总结输出
- 可配置总结长度和详细程度
💡 关键句/词解释
- 自动识别专业术语和关键概念
- 提供上下文相关的解释说明
- 支持中英文术语对照
- 可生成术语表和知识点清单
📊 内容结构化分析
- 识别视频章节和话题转折
- 提取论点、论据和结论
- 生成结构化思维导图

功能增强计划

🎤 说话人识别（Speaker Diarization）
- 区分不同说话人
- 生成对话式字幕
🌍 多语言翻译
- 转录结果自动翻译
- 支持多语言字幕生成
📦 本地模型支持
- 集成开源 LLM（如 LLaMA、Qwen）
- 完全离线的智能分析

技术优化 ⚡

模型量化与加速
流式转录支持
更多音频格式支持
分布式处理能力

优先级说明

功能	优先级	预计版本	状态
OpenAI 接口接入	🔥 高	v1.2.0	计划中
智能内容总结	🔥 高	v1.2.0	计划中
关键句/词解释	🔥 高	v1.3.0	计划中
说话人识别	中	v1.4.0	待评估
多语言翻译	中	v1.5.0	待评估
本地模型支持	低	v2.0.0	待评估

📚 相关文档

代码审查报告 - 详细的代码质量分析
项目总结 - 项目技术总结
API文档 - Swagger自动生成的API文档

🤝 贡献指南

欢迎贡献代码！请遵循以下步骤：

Fork 项目
创建特性分支 (git checkout -b feature/AmazingFeature)
提交改动 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🙏 致谢

OpenAI Whisper - 强大的语音识别模型
FastAPI - 现代Web框架
pydub - 音频处理库

📞 联系方式

项目链接: https://github.com/Acclerate/video-transcriber
问题反馈: Issues

如果这个项目对你有帮助，请给个 ⭐ Star 支持一下！

Name		Name	Last commit message	Last commit date
Latest commit History 25 Commits
api		api
config		config
core		core
docker		docker
docs		docs
models		models
services		services
tests		tests
utils		utils
web		web
.env.example		.env.example
.gitignore		.gitignore
CODE_REVIEW_REPORT.md		CODE_REVIEW_REPORT.md
PROJECT_SUMMARY.md		PROJECT_SUMMARY.md
README.md		README.md
check_gpu.py		check_gpu.py
environment.yml		environment.yml
main.py		main.py
pytest.ini		pytest.ini
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

Video Transcriber 🎥➡️📝

✨ 特性

🚀 快速开始

环境要求

Python版本说明

安装

快速安装（Windows）

📖 使用方法

Web界面使用

API 使用

命令行使用

🛠️ 配置选项

环境变量配置

SenseVoice模型选择

支持的语言

支持的视频格式

支持的音频格式

📁 项目结构

📝 API 端点

核心端点

请求示例

⚡ 性能指标

处理速度 (基于SenseVoice Small模型)

准确率

资源消耗

🐛 故障排除

常见问题及解决方案

1. FFmpeg 未找到

2. 转录出现乱码或错误语言

3. 长音频卡顿或重复

4. 内存不足 (CUDA Out Of Memory)

5. GPU加速不生效

6. 文件上传失败

7. 依赖安装失败

8. WebSocket 连接断开

性能优化建议

1. GPU加速配置

2. 模型预加载

3. 批量处理优化

4. 分块处理优化

错误代码对照表

🎬 长视频处理指南

音频分块处理机制

工作原理

分块配置说明

分块大小建议

处理时长参考

智能设备选择

优化技巧

🐳 Docker 使用

构建镜像

运行容器

Docker Compose

🔧 开发指南

开发环境搭建

运行测试

🗺️ 开发路线图

即将推出的功能 🚀

AI 内容增强功能

功能增强计划

技术优化 ⚡

优先级说明

📚 相关文档

🤝 贡献指南

📄 许可证

🙏 致谢

📞 联系方式

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Packages