把视频链接转成一篇带时间锚点的中文图文文章。
粘贴一个 YouTube 或 Bilibili 链接，VideoDoc 会下载视频、生成带时间戳的转写、 用 LLM 拆分大纲并按章节写正文、提取关键帧选配图（macOS 上还会做本地 OCR 取证）， 最终产出一篇带配图的图文文章。
1. 粘贴链接
把 YouTube / Bilibili 链接粘进输入框，点「开始处理」。
2. 看进度
任务页会列出十个阶段，从解析来源、下载、转写到抽帧、写稿、收尾。 每个阶段只执行一次，失败会停下来等你在页面上点「重试当前阶段」。
3. 读文章
完成后打开文章：左侧是大纲，中间是正文与配图，右下是视频浮窗。
点左侧大纲的任意章节，文章和视频会同时跳到那个位置，但视频不会自动播放： 原本暂停就保持暂停，只更新画面；原本在播放则继续播放。 点正文里的「→ 跳到 00:37」或任意配图，视频会跳过去并开始播放； 切到「转写」标签点任一片段，视频同样跳到对应时间点并开始播放。
桌面端快捷键（输入框聚焦时不生效）：
| 键 | 作用 |
|---|---|
Space |
播放 / 暂停 |
V |
放大 / 缩小视频浮窗 |
Esc |
从大窗还原为小窗 |
需要 Python 3.11+、Node 20.19+ 与 pnpm、FFmpeg。
git clone https://github.com/Shadowzzh/VideoDoc.git
cd VideoDoc
cp .env.example .env # 填 VIDEODOC_LLM_API_KEY（唯一必填项）
./scripts/serve.sh # 自动建 venv、装依赖、构建前端打开 http://127.0.0.1:8765/app/。换端口：./scripts/serve.sh 9000。
或手动分步执行
python3 -m venv .venv
.venv/bin/pip install -e .
pnpm --dir frontend install && pnpm --dir frontend build
.venv/bin/videodoc --port 8765除本地 OCR 外全部跨平台。
| 能力 | 范围 |
|---|---|
| 下载 / 转写 / 抽帧 / LLM / 网页界面 | 全平台（macOS 转写自动启用 Metal） |
| 本地 OCR（读取配图文字） | 仅 macOS；其他平台记录日志并跳过，任务继续 |
两个入口，网页设置优先于环境变量：
- 网页设置（
/app/settings）：改完对新任务立即生效，不用重启服务； 落在~/.config/videodoc/settings.json（权限 600，可用VIDEODOC_SETTINGS_FILE改路径）。 - 环境变量 /
.env：提供默认值，也适合无头部署。
| 设置分类 | 能配什么 |
|---|---|
| 文本模型 | 大纲和正文的 BaseURL、模型、Key（明文或密钥文件）、超时、重试与输出 token 上限 |
| 图像识别 | 本地 macOS Vision OCR 与云端视觉模型的通道、端点、预算 |
环境变量完整清单见 .env.example，常用的几项：
| 变量 | 默认值 | 说明 |
|---|---|---|
VIDEODOC_LLM_API_KEY |
— | 必填（也可以只在网页设置里填） |
VIDEODOC_LLM_BASE_URL |
https://api.deepseek.com |
任意 OpenAI 兼容端点 |
VIDEODOC_LLM_MODEL |
deepseek-v4-flash |
模型名 |
VIDEODOC_WHISPER_MODEL |
large-v3-turbo |
模型名或本地 .bin 路径 |
VIDEODOC_COOKIE_BROWSER |
chrome |
读取哪个浏览器的登录态；设为空则完全关闭 |
VIDEODOC_RUNTIME_DIR |
~/.local/share/videodoc |
运行产物目录 |
VIDEODOC_WHISPER_MODEL 保持默认时，首次运行会自动下载约 1.5GB 的模型。
网络受限可先自行下载 ggml-*.bin，再用该变量指向本地文件；
体积敏感也可以用更小的档位，例如 large-v3-turbo-q5_0（约 570MB）。
-
单用户、单 worker，任务顺序执行；JSON 文件存储，不引入数据库
-
正式验收 YouTube 与 Bilibili；X 仅 best-effort
-
本地 OCR 仅 macOS 可用
-
删除任务走可恢复回收站（等待中也可删，仅运行中拒绝），暂无网页端恢复入口
回收站默认在
~/.local/share/videodoc/trash/（可用VIDEODOC_RUNTIME_DIR改数据根目录），任务目录名是<task-id>-<删除时间>，需要恢复时移回：mv ~/.local/share/videodoc/trash/<task-id>-<YYYYMMDD-HHMMSS> \ ~/.local/share/videodoc/tasks/<task-id>
.venv/bin/pip install -e ".[dev]"
.venv/bin/python -m pytest -q # 85 项，不访问网络
pnpm --dir frontend typecheck
pnpm --dir frontend testvideodoc/
├── cli.py / config.py / server.py
├── pipeline.py # 十步流水线
├── task_store.py # JSON 状态与断点续跑
└── integrations/ # crv 抽帧、whisper 转写、macOS OCR
frontend/ # React + TypeScript + Vite + Tailwind + shadcn/ui
examples/ # 示例产物（/sample 展示用）
流水线：probe → download → audio → transcribe → outline → frames → select_images → ocr → article → finalize
任务没有文章标题时 taskTitle 会退回原始分享链接，抖音链接常有 300+ 字符且
不含空格，渲染时按下面两条处理，否则会撑出容器：
- 固定宽度的容器（确认框、卡片、提示块）用
[overflow-wrap:anywhere]；break-words（overflow-wrap: break-word）不参与 min-content 计算， Grid/Flex 的auto轨道仍会被长串撑开。 - 需要硬约束的网格容器把列轨道写成
grid-cols-[minmax(0,1fr)]， 并在确认框一类弹窗里给max-h-[calc(100dvh-2rem)]兜底。