深度优化 B 站体验，同时支持 YouTube 与本地视频。自动转写、总结、图文笔记、思维导图、知识库 RAG 问答，数据全部落本地。
产品特性
B 站 / YouTube / 本地视频 → 转写 → 文本笔记 → 图文笔记 → 思维导图 → 知识库
↓ ↓ ↓
B 站扫码登录 可回溯的任务历史 AI 检索问答
图文笔记（VLM 理解型） 新增
VLM 理解型图文笔记是一版从零设计的笔记生成方式：VLM 阅读原始笔记和所有截图的客观信息，以画面为线索重新组织文章结构。每张图跟在对应知识段落后面，不是原文里插几张图，也不是把所有截图堆在末尾。
- 支持 OpenAI / Anthropic / 兼容接口 / 自定义端点作为视觉模型
- 帧描述→客观事实列表，从源头杜绝流水账描述
- 精选配图（3-6 张），段落与图片交替呈现
- 合成超时 300s，预过滤低质量帧
在设置页 → 图文笔记形式中选择「VLM 理解型图文笔记」启用。
VLM 模式会调用多模态模型处理截图，API 费用比纯文本高。想控制成本可以把「最多截图数」调小或「截图最小间隔」调大。超长视频的笔记可能偏简略，截图逻辑还在优化中——设置页可以自定义截图规划的提示词。
VLM 理解型图文笔记：段落与截图交替排列，禁止图片堆积末尾
视觉模型独立配置 新增
画面理解和图文笔记合成可以独立配置视觉模型，不再跟随主 LLM。支持多提供商自动适配——选中 OpenAI / Anthropic / 兼容接口后，图片格式、端点、认证全部自动切换。第三方端点图片请求不兼容时也会自动回退。
文本笔记 / 思维导图
- LLM 摘要：不只是压缩，而是识别论点、案例、结论，生成结构化知识卡片
- 思维导图：线性视频转放射状知识网络，支持缩放、拖拽、节点高亮
- 转写全文：章节时间轴 + 关键句定位，数学公式和代码块自动格式化
- 重跑机制：换套模型重生成摘要，不满意就再来
线性视频转放射状知识网络，一眼看清内容结构和逻辑脉络
知识库
- 跨视频 RAG 检索问答，语义搜索 + 关键词搜索
- 自动/手动标签，标签关系网络可视化
- 支持本地 LLM，断网也能用
跨视频 AI 检索与问答，标签管理，可生长的知识体系
多 P 视频与全集总结
自动检测分 P 视频，支持选择单个分 P 或批量创建任务。全集总结模式可聚合所有分 P 内容生成一篇总笔记。
ASR 转写
- SiliconFlow ASR：长音频自动切片 + 并发识别，突破 60 分钟限制
- FunASR（QwenASR）：阿里本地语音识别引擎，中文效果超越 Whisper，CPU 速度约 34 倍，GPU 约 13 倍。支持 VAD / 自动标点 / 说话人识别
- 多模态 ASR：支持 OpenAI 兼容的音频模型（如 mimo-v2-omni），切片时长和重试次数可调
- 本地 Whisper：CPU / CUDA 可选
导入导出
- 导入：B 站链接、YouTube 链接、本地视频文件（mp4 / mkv / mov / webm）
- 导出：Markdown、Obsidian 格式，一键打包笔记和截图
B 站风控
桌面端内置扫码登录，自动保存 Cookies。也支持手动导入 cookies.txt。
桌面端 macOS 新增
- Windows / macOS 双平台，自绘窗口栏，统一 UI 风格
- 动画启动画面
- 应用内自动更新，设置页一键检查新版本
技术栈
| 模块 | 技术选型 |
|---|---|
| 桌面端 | Electron + React + TypeScript + Vite |
| 后端服务 | FastAPI + SQLite |
| 视频下载 | yt-dlp |
| 语音转写 | SiliconFlow ASR / 多模态 ASR / 本地 Whisper / FunASR（QwenASR） |
| 摘要生成 | OpenAI-compatible / Anthropic Claude / 本地规则降级 |
| 视觉模型 | OpenAI / Anthropic / 兼容接口（自动格式适配） |
| 知识库 RAG | Embedding 向量检索 + LLM Agent |
| 思维导图 | ReactFlow |
| 知识网络 | D3 Force Graph |
| 打包分发 | PyInstaller onedir + electron-builder + Docker |
快速开始
环境要求
- Python 3.12
- Node.js 20+
- Windows / macOS
- 可选：
ffmpeg、CUDA
安装依赖
uv sync --python 3.12 --all-packages
npm install --prefix .\apps\desktop
环境变量
Copy-Item .env.example .env
编辑 .env：
VIDEO_SUM_HOST=127.0.0.1
VIDEO_SUM_PORT=3838
VIDEO_SUM_ACCESS_TOKEN=replace-with-a-long-random-token
# 转写（SiliconFlow）
VIDEO_SUM_TRANSCRIPTION_PROVIDER=siliconflow
VIDEO_SUM_SILICONFLOW_ASR_BASE_URL=https://api.siliconflow.cn/v1
VIDEO_SUM_SILICONFLOW_ASR_MODEL=TeleAI/TeleSpeechASR
VIDEO_SUM_SILICONFLOW_ASR_API_KEY=your-key
# LLM 摘要
VIDEO_SUM_LLM_ENABLED=true
VIDEO_SUM_LLM_PROVIDER=openai-compatible
VIDEO_SUM_LLM_BASE_URL=https://coding.dashscope.aliyuncs.com/v1
VIDEO_SUM_LLM_MODEL=qwen3.5-plus
VIDEO_SUM_LLM_API_KEY=your-key
# B 站 Cookies（遇到风控时配置）
VIDEO_SUM_YTDLP_COOKIES_FILE=
桌面端遇到 B 站风控优先用内置扫码登录。
启动开发环境
npm run dev
同时拉起 Vite 渲染层、Electron 桌面壳、Python 后端。
桌面端打包
npm run package:win # Windows
npm run package:mac # macOS
Docker 浏览器版
# 构建
npm run docker:build
# 运行
docker run --rm -p 3838:3838 \
-v bilisum-data:/data \
-e VIDEO_SUM_ACCESS_TOKEN=your-token \
-e VIDEO_SUM_LLM_ENABLED=true \
-e VIDEO_SUM_LLM_BASE_URL=https://coding.dashscope.aliyuncs.com/v1 \
-e VIDEO_SUM_LLM_MODEL=qwen3.5-plus \
-e VIDEO_SUM_LLM_API_KEY=your-key \
-e VIDEO_SUM_SILICONFLOW_ASR_API_KEY=your-key \
lycohana/bilisum:latest
访问 http://127.0.0.1:3838。容器内服务监听 0.0.0.0:3838，数据目录 /data。
docker pull lycohana/bilisum:latest
从旧版迁移
首次启动自动从 BriefVid 目录迁移数据到 BiliSum 目录，只复制缺失文件，不覆盖已有数据，不删除旧目录。
项目结构
BiliSum/
├── apps/
│ ├── desktop/ # Electron + React 桌面端
│ │ └── src/
│ │ ├── pages/ # 首页/视频库/知识库/详情页/设置
│ │ ├── components/ # 通用 UI 组件
│ │ ├── api.ts # API 客户端
│ │ └── appModel.ts # 状态管理
│ ├── web/ # 浏览器版静态产物
│ └── service/ # FastAPI 本地服务
│ └── src/video_sum_service/
│ ├── app.py # FastAPI 入口
│ ├── worker.py # 后台任务调度
│ ├── repository.py # SQLite 持久化
│ ├── settings_manager.py # 配置管理
│ ├── knowledge/ # 知识库（索引/RAG/标签/本地LLM）
│ └── routers/ # API 路由
├── packages/
│ ├── core/ # 下载/转写/摘要/图文笔记核心逻辑
│ └── infra/ # 配置/运行时/LLM 工具函数
├── docs/pic/ # 文档截图
├── tests/ # 测试
└── .env.example
贡献指南
- 遇到 Bug 或有想法 → 直接开 Issue
- 修复 Bug、加功能、优化体验 → 提 PR
- 完善文档、补充示例 → 非常欢迎
- 在你的工作流里用起来了 → 分享经验，帮助后来者
代码风格：Python PEP 8 + 类型注解，TypeScript 严格模式 + 函数式组件，Commit 遵循 Conventional Commits。
开发流程
初始化
uv sync --python 3.12 --all-packages
npm install --prefix .\apps\desktop
启动后端
uv run --package video-sum-service python -m video_sum_service
启动桌面端
npm run dev
测试
.\.venv\Scripts\python -m pytest # Python
npm test --prefix .\apps\desktop # 桌面端
npm run typecheck --prefix .\apps\desktop # 类型检查
macOS / Linux
uv sync --python 3.12 --all-packages
uv run --package video-sum-service python -m video_sum_service
npm run dev
代码改了但运行时还是旧逻辑？
uv run --package video-sum-service python -c "import video_sum_core, video_sum_service; print(video_sum_core.__file__); print(video_sum_service.__file__)"
如果输出不是仓库内的源码路径，重新执行 uv sync --python 3.12 --all-packages。
路线图
- 思维导图视图
- 本地视频导入与处理
- 知识笔记 Markdown / Obsidian 导出
- 知识库系统（RAG / 标签 / 知识网络）
- B 站风控处理（扫码登录 / Cookies）
- 多 P 视频批量处理与全集总结
- GPU 运行时一键安装
- macOS 桌面端
- Anthropic / Claude 原生 API
- 桌面端自动更新
- VLM 理解型图文笔记
- 视觉模型多提供商独立配置
- 多模态 ASR
- FunASR（QwenASR）本地语音识别
- 更多平台支持
- Notion 等第三方工具集成
Star History
License
MIT License © 2026 Lycohana
特别致谢：Linux Do
Built with ❤️ by Lycohana