VideoToNo v1.1.4

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、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。

🆕 What's New（v1.1.3 → v1.1.4）

📝 笔记元信息更完整：标题下显示可获得的视频作者、发布时间、时长等信息，文末追加来源链接、生成模型和笔记风格。
🎛️ 三种风格统一处理：详细笔记、详细复原和精简摘要都可自然参考真实视频元信息，缺失字段会省略，不强行套模板。
🔄 托盘检查更新：可从系统托盘手动检查 GitHub Release，发现新版本后确认即可打开发布页。
🧠 Whisper 模型选择更准确：先尝试实际下载所选模型，失败后才降级到已缓存的 base。
🛡️ B 站下载更稳：修复 412 反爬拦截（改用真实浏览器 UA、Cookie 改走 yt-dlp cookiefile 通道、补齐 buvid/b_nut/b_lsid 风控 Cookie），登录后下载不再被拒绝。
🩺 一键测试 LLM 连接：配置区新增「测试连接」按钮，秒级验证 Provider / API Key / Base URL 是否可用，失败时直接告知是密钥错误还是接口地址错误。
⚡ 前端更新即时生效：静态资源改为 no-cache 策略，发布后刷新页面即用到新版，不再出现旧版页面/按钮。

v1.1.2 及更早

🔗 链接输入更宽松：输入框不再要求必须以 https:// 开头——直接粘贴 B 站分享文本、无 scheme 的 b23.tv 短链或裸 BV/av 号都能自动识别并补全。
🎨 全新 3D 产品图标：exe、系统托盘、网页侧栏与浏览器 favicon 统一换上新图标。
🧠 长回答更稳：DeepSeek 长响应改为流式读取，推理默认值与请求超时对齐，减少超时截断。
🖥️ 打包版与开发版可共存：健康检查上报运行模式，启动器只复用同模式实例；dev 服务占用端口时打包版自动换端口并驻留托盘。
📚 文档更完整：README 恢复详细 MCP 接入与 FAQ 指南。

v1.1.1 及更早

🎬 长视频更稳：转录内容按完整分段切块并分层归并，生成阶段实时展示逐段整理、成稿和点评进度。
📝 输出更顺手：支持一键复制、Markdown / HTML / JSON / 纯文本 / PNG 导出，失败任务删除、断点继续、任务取消和笔记自动归档更完整。
🧠 模型状态更透明：模型返回空正文时会在当前阶段立即提示，并自动关闭深度思考重试一次，避免任务结束后才出现误导性日志。
🎨 界面更统一：产品页、桌面端和托盘统一使用 sources/icon.png 生成的图标，处理进度 6 个环节等距排列，并更新产品截图。
🔌 本地集成更完整：支持多 Provider、自定义模型、笔记风格、推理强度，以及 Cherry Studio / Codex 等 AI 客户端的 MCP 接入。

🖼️ 界面预览

⚙️ 配置与提交

VideoToNo 配置与视频提交界面

⏳ 处理进度

VideoToNo 任务处理进度与运行记录

📝 笔记输出

VideoToNo 生成的详细视频笔记

🚀 便携版下载（推荐）

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-1.1.4-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。

✨ 主要功能

🎥 多种输入：B 站、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。
🧾 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。

🔁 处理流程

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

🌍 支持范围

B 站、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；
.mp3、.m4a、.wav、.flac、.aac、.mp4、.mkv、.mov、.webm、.avi 等本地媒体；
抖音、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。

⚙️ 使用与配置

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

Cherry Studio（推荐，无需本机 Python）

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

Codex CLI

支持 stdio 的客户端可运行：

codex mcp add local videotono -- python -m backend.mcp_server

MCP 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

首次转写为什么等待很久？

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。

CPU 转写为什么比视频时长还久？

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。

为什么需要 B 站 Cookie？

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。

重启服务后任务会怎样？

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。

为什么某个链接无法处理？

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。

没有字幕时会发生什么？

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。

为什么会提示“模型未返回正文，已关闭深度思考并重试”？

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。

📄 开源许可

这是一个面向本地个人使用的工具，采用 MIT License 开源。