视频内容提取助手

一个帮助用户从视频中提取并整理文字内容的工具。

项目背景

随着视频平台（抖音、B站、Youtube等）的普及，大量优质内容以视频形式呈现。然而，通过观看视频获取信息的方式往往效率较低，且在观看前难以准确判断内容质量。本项目旨在通过AI技术，将视频内容转换为文字形式，提高内容获取效率。

功能特点

• 支持多平台视频内容提取
• 自动将视频转换为文字内容
• 智能文本纠错和优化
• 支持简繁体转换

技术实现

核心流程

1. 视频音频提取

   • 使用ffmpeg进行视频转音频处理
   • 支持多种视频格式

2. 语音转文字

   • 采用OpenAI Whisper模型
   • 高准确度的语音识别能力

3. 繁简体转换

   • 将Whisper生成的繁体文本转换为简体
   • 确保输出文本的本地化

4. 文本纠错

   • 使用pycorrector进行智能文本校对
   • 提高文本质量和可读性

快速开始

环境要求

• Python 3.9
• Anaconda
• ffmpeg
• OpenAI Whisper
• PyTorch
• zhconv

安装步骤

1. 安装Anaconda

   • 访问 Anaconda官网 下载并安装

2. 配置环境变量

   CONDA_HOME: D:\anaconda（默认）
   WHISPER_PROJECT_PATH: 项目所在路径
   

3. 创建项目环境

   # 创建环境
   conda create -n whisper_env python=3.9
   
   # 激活环境
   conda activate whisper_env
   
   # 安装 Whisper
   pip install git+https://github.com/openai/whisper.git
   
   # 安装ffmpeg
   conda install ffmpeg=6.1.1 -c conda-forge
   
   # 安装支持 GPU 的 PyTorch 【可选】
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
   
   # 安装依赖
   pip install -r requirements.txt

使用方法

基本命令格式

video_agent.bat 输入文件路径 [--output_file 输出文件路径]

支持的文件格式

类型	格式
视频	MP4
音频	MP3, WAV

使用示例

# 转换视频文件
video_agent.bat D:\videos\example.mp4

# 转换音频文件
video_agent.bat D:\audio\speech.mp3

# 指定输出路径
video_agent.bat D:\videos\example.mp4 --output_file D:\output\result.wav

输出说明

• 视频文件自动转换为WAV格式
• 生成同名txt文本文件
• 自动进行简繁转换

注意事项

路径要求

• 避免使用中文路径
• 确保有足够磁盘空间
• 首次运行会自动下载模型文件

性能说明

• 大文件处理耗时较长
• 支持GPU加速（如有）

常见问题

1. conda未找到

• 检查CONDA_HOME环境变量设置
• 确认Anaconda安装正确

2. 项目路径错误

• 检查WHISPER_PROJECT_PATH环境变量
• 确认项目文件位置

3. 转换失败

• 检查输入文件格式是否支持
• 确认所有依赖安装完整

开源项目

• OpenAI Whisper