把视频变成可回看的 Markdown 笔记
VideoToNo 是一个面向个人使用的本地视频笔记工具：输入 B 站、抖音、YouTube 等视频链接或本地媒体，优先读取平台字幕；没有可用字幕时使用 faster-whisper 转写，最后调用你选择的大模型生成带时间轴的 Markdown 笔记。
- 启动器按“运行模式 + 应用版本”隔离本地服务，避免打开新版本时复用旧版本后端和旧前端
- 最近任务列表增加最大高度和滚动条，历史任务较多时仍可方便浏览
- 修复详细复原笔记标题下重复显示作者、发布时间、时长和文字来源的问题
- 自定义 Base URL 或模型连接失败时，测试结果会区分 API Key、接口地址、模型、网络和超时问题
历史版本摘要（v1.1.7 及更早）
- v1.1.7：抖音单条公开分享链接、浏览器验证回退、转写复用和已取消任务删除。
- v1.1.6：Whisper 下载确认记忆和自定义工作目录修复。
- v1.1.5：旧缓存页面、MCP SSE 和启动告警修复。
- v1.1.4：笔记元信息、托盘更新检查、B 站下载稳定性和 Whisper 回退改进。
- v1.1.3 及更早：B 站 412 处理、LLM 测试、MCP、任务恢复和多格式导出等基础能力。
普通用户无需安装 Python 或配置开发环境，直接下载 最新 Release 中的 VideoToNo-1.1.8-portable.exe：
- 下载并双击 exe；
- 等待浏览器自动打开本地页面；
- 填写 Provider、模型和 API Key，粘贴视频链接或上传本地文件；
- 等待生成笔记。
便携版会自动启动本地服务并驻留系统托盘。第一次使用 Whisper 转写时需要下载模型，请保持网络畅通；生成的任务、转录、截图和笔记默认保存在 exe 同目录的 workspace/ 中。
- 🎥 多种输入：B 站、抖音、YouTube、其他可被
yt-dlp解析的视频链接，以及本地音视频文件。 - 🇨🇳 B 站深度适配：除常规字幕外，可在登录后读取 B 站 AI 字幕；凭据支持扫码导入。
- 🎵 抖音单链接适配：支持公开分享链接直接解析；需要验证时可在独立本机浏览器完成登录后重试。
- 🧾 真实时间轴：保留字幕或 Whisper 分段的起止时间，不让模型凭空猜时间点。
- 🧠 长内容整理：短转录直接生成，长转录自动分块、归并并控制上下文压力。
- 🖼️ 多格式输出：Markdown 笔记、HTML、JSON、纯文本和 PNG 图片；可选提取视频截图作为附件。
- 🛡️ 本地优先：媒体下载、转录和文件生成在本机完成；服务默认只监听
127.0.0.1。
视频链接 / 本地文件
↓
平台字幕（B 站 AI 字幕优先）
↓ 无可用字幕
faster-whisper 本地转写
↓
大模型生成带时间轴的 Markdown 笔记
- B 站、抖音、YouTube，以及当前版本
yt-dlp能解析的其他http/https视频链接；B 站输入支持分享文本、b23.tv短链（可缺省 scheme）与裸 BV/av 号； - 抖音支持单条公开分享链接；匿名解析受限时，可从页面打开独立的本机抖音浏览器完成登录或验证后重试；
.mp3、.m4a、.wav、.flac、.aac、.mp4、.mkv、.mov、.webm、.avi等本地媒体；- 爱奇艺、腾讯视频目前未做专门适配，能否处理取决于平台访问权限、字幕可见性和
yt-dlp的解析能力。
启动后按页面提示完成以下操作即可：
- 选择 Provider、模型并填写 API Key，也可以填写自定义 OpenAI 兼容地址；
- 选择笔记风格、推理强度和 Whisper 模型；
- 粘贴视频链接，或切换为本地文件上传；
- 生成完成后预览、复制或下载笔记。
API Key 和扫码取得的 B 站 Cookie 默认只保留在当前页面/进程内存中；只有通过 MCP 保存配置时，才会以明文写入本机 workspace/，请勿分享这些文件。
🧑💻 源码运行与构建（开发者）
源码用户直接 git clone 或在 GitHub 选择 Code → Download ZIP 即可获取完整项目。项目主要面向 Windows + Python 3.11，安装 backend/requirements.txt 后可使用 start.ps1 启动；需要自行构建便携版时运行：
git clone https://github.com/like-attract/video-to-note.git
cd video-to-note
.\.venv\Scripts\python.exe -m pip install -r backend\requirements.txt
.\start.ps1构建 Windows 便携版：
powershell -ExecutionPolicy Bypass -File scripts\build_exe.ps1🤖 MCP / AI 客户端（进阶）
VideoToNo 内置 MCP（Model Context Protocol）服务，可以在 Cherry Studio、Codex 等 AI 客户端里直接输入视频链接生成笔记。使用前请先启动 VideoToNo：MCP 工具通过本地后端执行任务，会复用本机的 Whisper 模型缓存和任务目录，不会重复下载。
可用工具：
| 工具 | 说明 |
|---|---|
summarize_video |
提交视频总结任务；视频链接、API Key、模型和 B 站凭据都可省略，自动使用本机已保存的配置 |
wait_for_task |
等待任务达到终态（最长 45 秒，可重复调用），完成后返回笔记正文；适合代替频繁轮询 |
get_task_status |
查询任务中间进度 |
list_whisper_models |
查看 Whisper 模型的本地缓存状态 |
save_llm_config |
把 Provider、模型和 API Key 保存到本机，之后无需每次传入 |
save_bilibili_credentials |
把 B 站凭据（SESSDATA 等）保存到本机，处理 B 站视频时自动使用 |
get_saved_config |
查看已保存配置的状态，敏感信息会脱敏显示 |
- 启动 VideoToNo 后，打开 Cherry Studio「设置 → MCP 服务器 → 添加」；
- 类型选择 Server-Sent Events (SSE)，URL 填：
http://127.0.0.1:8000/mcp/sse
若服务端口不是 8000，请填写实际端口。保存并启用后，就可以在对话中让 AI 调用 VideoToNo。
首次使用时，建议让 AI 先保存一次配置；之后不必在每次对话中重复提供敏感信息：
请调用 save_llm_config 保存配置：我的 DeepSeek API Key 是 sk-xxx
再调用 save_bilibili_credentials 保存：sessdata=xxx，bili_jct=xxx，buvid3=xxx
之后直接描述需求即可：
帮我总结这个 B 站视频：https://www.bilibili.com/video/BV1xx
支持 stdio 的客户端可运行：
codex mcp add local videotono -- python -m backend.mcp_serverMCP server 会自动扫描 8000–8019 端口来找到已运行的 VideoToNo 服务；也可以用环境变量 VIDEOTONOTES_BACKEND_URL 显式指定服务地址。
隐私说明：
save_llm_config/save_bilibili_credentials会将内容以明文保存在本机工作目录的workspace/llm_config.json和workspace/bili_credentials.json。请勿分享这些文件；未显式调用保存工具时，凭据不会落盘。workspace/已被.gitignore排除，不会进入 Git 仓库。
❓ 常见问题
faster-whisper 会在第一次使用某个模型时下载模型文件。下载耗时取决于模型大小和网络状况，后续会复用本机缓存；切换到另一个模型时仍可能再次下载。
模型默认缓存在 workspace/_model_cache/。如需改到其他磁盘，可在 .env 中设置 WHISPER_CACHE_DIR。下载默认走 hf-mirror.com 镜像，支持断点续传和重试；如需切换，可设置 HF_ENDPOINT，例如 HF_ENDPOINT=https://huggingface.co 使用官方源。若仍失败，请检查网络、代理和缓存目录写入权限。
应用默认禁用 Hugging Face Xet 下载后端，改用普通 HTTP 下载，以减少部分 Windows 网络下的 CAS 文件重建错误。如果所选模型尚未完整缓存、但本机已有可用的 base，任务会降级到 base 并在运行日志中注明，避免长期卡在不稳定的权重下载上。
速度取决于 CPU、视频时长和模型大小。CPU 模式使用 int8 降低资源压力，但 medium、large-v3 和 turbo 仍可能较慢并占用较多内存。个人电脑建议先使用 base；确认 CUDA 环境可用后再启用 GPU。
公开且可直接访问的视频通常不需要 Cookie。部分播放器可见的中文 AI 字幕只会在登录态字幕接口中返回；未填写凭据时，程序会记录提示并回退到 Whisper。登录可见、访问受限或字幕接口受限的视频可能需要当前账号凭据，但 Cookie 不能绕过账号本身没有的权限。凭据过期后需重新获取，平台策略变化也可能导致解析失败。
VideoToNo 会从 workspace/<task-id>/task.json 恢复最近任务。已完成任务可继续预览和下载；上传后尚未开始的任务可重新提交。重启时仍在运行的任务会标记为失败，因为外部下载、Whisper 或大模型请求无法跨进程续跑；已经生成的字幕、转录和音频仍可在重新提交时复用。
先确认链接能在当前网络和账号下正常播放，再更新项目依赖中的 yt-dlp。付费内容、DRM、验证码、地区限制、临时签名失效或平台接口变化都可能阻止解析；项目不会绕过平台权限控制。
应用会下载该链接可取得的最佳音频，并在本机运行 faster-whisper。这比直接读取字幕耗时更多，也会受到音质、口音、背景噪声和专业术语的影响。
这表示模型这一次真实返回了空正文，并非仅仅是界面显示问题。应用会立即在当前生成阶段提示，并自动关闭深度思考重试一次；若重试后仍无正文，任务会按实际错误状态处理。
这是一个面向本地个人使用的工具，采用 MIT License 开源。