想必視頻內容已經成爲人們獲取知識、記錄觀點和進行內容創作的重要媒介。相比圖文，視頻的信息呈現更豐富，但也更難檢索、難以快速覆盤。尤其在面對教育講座、操作教程、會議錄播等類型的視頻時，不少人往往希望能夠提煉出一份清晰的筆記以備後用。然而，手動整理視頻筆記的過程不僅繁瑣、耗時，而且極易遺漏重點信息。因此，藉助 AI 工具自動提取視頻內容、生成結構化筆記，已成爲一種高效且趨勢化的解決方案。
本期來介紹一個開源的AI視頻筆記生成工具，能夠讓AI替你的視頻做筆記：BiliNote。
📖 項目介紹
BiliNote 是一款開源的 AI 視頻筆記助手，支持通過嗶哩嗶哩、油管、抖音、本地視頻鏈接或文件，自動提取語音內容，並將其結構化爲清晰、重點明確的 Markdown 格式筆記。
它內置 FastAPI 後端和 React 前端，支持本地部署的大模型或調用 API 接口完成語言總結，同時可選集成 Whisper 本地模型進行語音識別。BiliNote 提供截圖插圖、原片跳轉（時間戳）、任務追蹤等功能，適配不同工作流需求；部署方式上，既可使用 Windows/Mac 打包版，也可通過 Docker Compose 容器部署，適用於本地自用或私有化部署環境。
🤔 應用場景
以下這些都是 BiliNote 可以高效介入的實際使用場景，包含但不侷限於此：
在處理 B 站公開課、技術講座等學習類視頻時，用戶可以使用 BiliNote 生成包含段落標題、要點總結的 Markdown 筆記，方便後續複習。也可通過筆記直鏈跳轉到對應時間節點，直接從對應部分觀看。
在運營或產品部門回看公司內部培訓錄播視頻時，可以快速提取要點、同步任務記錄，免去重複觀看的煩惱。
在進行短視頻選題調研、內容剪輯時，可以將視頻鏈接導入系統，自動生成視頻結構草稿、抓取關鍵語句與截圖素材。
在錄製視頻播客或會議紀要後，也可以本地上傳音視頻文件，通過 Whisper 轉寫與 GPT 總結組合，自動生成完整內容筆記。
🍀 部署流程
先囉嗦幾句
演示設備爲威聯通NAS，型號TS-464C，處理器N5095。
本文會介紹Docker Compose的方式進行部署使用。關於配置文件，以及包含Windows打包版的包體在內，會放在文末，網絡不方便的朋友可取用。
項目名：JefferyHcool/BiliNote，想了解更多的朋友直接在GHUB搜索即可。
修改配置可通過vi命令，或者NAS自帶的工具對配置文件進行編輯。除非你清楚自己在做什麼，否則建議只修改docker-compose.yml或.env.example，或者不改動直接部署。
如果你的設備有獨顯，或對自己的設備性能不夠自信，又或是非常自信，請至到注意事項章節查看。
情況一：能成功連通GHUB（簡單）
SSH鏈接至NAS，輸入以下命令，克隆部署倉庫。
cd <docker 目錄下> # 例如威聯通NAS輸入 cd /share/Container
git clone https://github.com/JefferyHcool/BiliNote.git
cd BiliNote
接着輸入命令，查看文件：
ls -al
確認無誤後，接着輸入以下命令：
# 將環境文件重命名
mv .env.example .env
# 構建Docker鏡像並啓動
docker compose up -d # 或 docker-compose up -d
等待部署即可。
情況二：無法連通GHUB（簡單）
文末我提供的文件包先下載下來。
在NAS準備好對應的文件目錄，威聯通爲例：/share/Container/BiliNote，將解壓好的全部內容全部拖入該目錄下。
可選擇用自帶的編輯器重命名另存爲.env，也可重複情況一的操作用命令行重命名。如果你看不到.env文件，請勾選顯示隱藏文件。
命名完畢後接着重複：
# 情況一二都必須執行該命令
cd /share/Container/BiliNote
# 已改名的忽略
mv .env.example .env
# 情況一二都必須執行該命令
docker compose up -d
等待部署即可。
⚠ 注意事項
文件.env 詳解
BACKEND_PORT=8483 # 後端服務監聽端口，默認 8483
FRONTEND_PORT=3015 # 前端 Web 頁面監聽端口，默認 3015
BACKEND_HOST=0.0.0.0 # 後端服務監聽的地址。默認 0.0.0.0 表示監聽所有 IP，不建議修改
APP_PORT= 3015 # 容器前端的訪問端口，與 FRONTEND_PORT 保持一致
VITE_API_BASE_URL=http://127.0.0.1:8483 # 前端訪問後端 API 的基礎地址（開發時用）
VITE_SCREENSHOT_BASE_URL=http://127.0.0.1:8483/static/screenshots # 前端訪問截圖資源的地址
VITE_FRONTEND_PORT=3015 # 前端項目運行端口，與上面一致
ENV=production # 環境模式，可選：development / production
STATIC=/static # 靜態資源的 URL 路徑前綴，默認 /static
OUT_DIR=./static/screenshots # 視頻截圖保存路徑（相對路徑）
NOTE_OUTPUT_DIR=note_results # 筆記結果輸出目錄（markdown 和狀態文件將保存在此）
IMAGE_BASE_URL=/static/screenshots # 前端訪問圖片的路徑前綴
DATA_DIR=data # 數據文件保存目錄，例如轉錄中間件產生的緩存數據等
FFMPEG_BIN_PATH= # 可選項：如果需要自定義 ffmpeg 路徑可填此項；默認使用系統自帶 ffmpeg
TRANSCRIBER_TYPE=fast-whisper # 語音轉文字使用的模型類型
# 可選項：
# - fast-whisper（推薦，支持 CPU/GPU）
# - bcut（字節跳動轉寫 API）
# - kuaishou（快手轉寫 API）
# - mlx-whisper（僅限 Apple MLX 框架）
# - groq（使用 groq 平臺 Whisper）
WHISPER_MODEL_SIZE=base # fast-whisper 模型尺寸（base、small、medium、large）
# 如果 TRANSCRIBER_TYPE 設置爲 groq，使用以下模型
GROQ_TRANSCRIBER_MODEL=whisper-large-v3-turbo # groq 平臺提供的 whisper-large-v3-turbo 模型，
關於語音識別配置
如果你的設備帶有獨立的顯卡，請修改.env並運行docker-compose.gpu.yml文件進行構建。
威聯通TS-464C的CPU性能在默認配置下跑得還算可以，如果你的配置較低則建議降低模型版本，否則更容易出現幻覺導致結果不準確。
.env中的默認配置如下：
TRANSCRIBER_TYPE=fast-whisper # fast-whisper/bcut/kuaishou/mlx-whisper(僅Apple平臺)/groq
WHISPER_MODEL_SIZE=base
GROQ_TRANSCRIBER_MODEL=whisper-large-v3-turbo # groq提供的faster-whisper 默認爲 whisper-large-v3-turbo
Fast-Whisper 模型選擇
截圖來自項目Wiki。
🎉 使用展示
因爲項目問題，需要等系統初始化環境配置完成後纔可成功訪問並使用，如果你在日誌中看到以下輸出則證明部署成功，此時可以訪問前端界面。
此時瀏覽器輸入NAS_IP:3015即可訪問。大概率會出現如下界面，提示報錯（大概率），再耐心等項目跑會兒。
我成功進入項目界面的日誌輸出如下，可作參考。此時便可使用了。
界面如下。支持B站、油管、快手、抖音的鏈接直接導入，也支持本地視頻導入。
支持各種不同文案風格的輸出，可選擇目錄、原片跳轉/截圖、AI總結等多種輸出格式。
內置默認支持的大模型供應商如下，Ollama本地部署也同樣支持。如果要得到理想輸出結果，請選擇具備相應功能的大模型版本。關於API如何獲得使用還請自行搜索。（通義千問有白嫖福利）
也可自行添加其他提供商例如硅基流動，不過要確保兼容性。
配置相關Cookie，這個也不再進行贅述。
下面我用油管鏈接進行演示。隨機刷到一個時長8min的三星手機評測，鏈接搞進去進行筆記生成。還蠻快的。動圖爲2.5倍速。
生成的效果如下。可以展示爲思維導圖，支持直接內容複製，可導出爲Markdown，支持原文參照。點擊時間戳，便可跳轉到對應的章節進行閱讀。
總結
原片跳轉這個功能我個人覺得非常實用，作者應該會在後增加直接導入字幕文件的總結功能。
大家有需要的建議搞個強一些的CPU或GPU進行部署～
感謝觀看，本文完。
PS：相關文件點我下載，提取碼：zLQV。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
