AI-Media2Doc

AI-Media2Doc 是一个开源的 Web 工具，用 AI 大模型把视频或音频转成文字稿，再按不同平台风格整理成文档。它想解决的是：看到一段好视频，想留下文字版方便回看和整理，但多数同类工具要注册、要付费，还得把内容传到第三方平台。

主要功能

上传音视频后，可以选择输出成小红书、公众号、知识笔记、思维导图、内容总结等风格，也能直接导出字幕文件。它还能针对视频内容做二次问答，在前端自定义 prompt 控制输出。智能截图功能会依据字幕信息截取画面并插进文章对应位置，不需要视觉大模型。前端用 ffmpeg wasm 处理，本地不用另装 ffmpeg。

部署与使用

项目采用 MIT 协议，前后端都在本地部署，任务记录存在本地，不需要登录注册。官方提供 Docker 一键部署方式，也给了本地开发指引。后端可以设置访问密码，设了之后前端要填密码才能用。项目页面上能看到 4.1k star、552 fork，最近一次提交记录在页面上有显示。

费用与限制

软件本身免费开源，但转写和生成要调用 AI 大模型，会产生 API 费用，成本取决于你用的模型服务。需要自己部署、自己配环境变量，对不熟悉命令行的用户有一定门槛。未来计划支持 fast-whisper 本地音频识别，进一步降低费用。