videohub

内容来源：README.md（说明文档） · 原始地址 · 查看安装指南

原始内容

视频转录工具 (Video Hub)

当前版本: v0.2.4

简体中文 | English

这是一个功能强大的桌面应用程序，使用 PyQt6 构建现代化图形界面，支持 YouTube、Twitter/X、抖音/TikTok、Instagram、Bilibili 等多平台视频内容的智能处理。提供媒体导入与处理、语音转录、双语字幕生成、AI 配音、内容摘要等完整工作流，并配备闲时调度、批量处理、Claude Code Skills 等高级功能。

🆕 最新更新：MiniMax 多音色配音

VideoHub 的 AI 配音现在新增 MiniMax TTS API 后端。除了原来的本地 Kokoro 和 CosyVoice，用户也可以在设置中切换到 MiniMax，并从多个系统音色中选择更合适的声音。

  • 多音色选择: 支持中文男声、中文女声、新闻播音、电台主持、青年声线、成熟声线和粤语男声等预置音色
  • 可试听再生成: AI 配音页可直接试听当前音色，确认效果后再开始正式配音
  • 可自定义 Voice ID: 除预置音色外，也可以手动填写 MiniMax 控制台中的自定义 voice_id
  • 不影响默认流程: 未切换时仍默认使用本地 Kokoro；CosyVoice 和 MiniMax 都是手动选择的可选后端
  • 适合视频解说: 男声播音、主持类音色更适合课程、技术分享、访谈、说明类视频的中文配音
  • MiniMax配音的演示视频 youtube https://youtu.be/ns-X5yUb4gE

✨ 加入讨论群

✨ 核心功能

🎬 多平台视频处理

  • 🎥 平台支持: YouTube、Twitter/X、抖音、Bilibili 等主流视频平台
  • 智能处理: 支持视频/音频导入与本地处理，可选择完整视频或仅音频模式
  • 精准转录: 基于 OpenAI Whisper 的高质量语音转录技术
  • 多格式字幕: 生成 .srt、.vtt、.ass 等多种格式的双语字幕文件
  • 字幕嵌入: 支持将字幕直接嵌入到视频文件中
  • AI 配音: 默认使用 Kokoro TTS，也可手动切换到 CosyVoice SFT / Instruct 或 MiniMax API，生成更自然的中文配音版本视频
  • 内容摘要: 利用 LLM（支持 OpenAI、DeepSeek 等）智能生成文章摘要

🌐 Chrome浏览器扩展

  • 页面集成: 在 YouTube、Twitter/X、Bilibili 视频页面自动添加处理按钮
  • 一键加入队列: 点击按钮即可将任务添加到闲时处理队列
  • 队列管理: 通过扩展弹窗查看、导出、清空处理队列
  • 实时同步: 通过 HTTP API 与桌面应用实时通信
  • 智能识别: 自动提取视频标题、作者、链接等信息
  • 视觉反馈: 添加成功后按钮状态变化，避免重复添加

正确安装插件后，在X/YouTube等视频网站，视频下方会出现处理按钮，后台运行主程序后，点击按钮即可把当前任务加入处理队列。

📱 手机本地网页下载

  • 局域网访问: 在电脑上启动轻量网页端后，iPhone/手机可通过同一 Wi-Fi 下的局域网地址访问
  • 手机粘贴链接: 手机浏览器中长按输入框粘贴视频链接，点击按钮即可触发本地下载
  • 下载到手机相册: 下载完成后页面会提供视频预览、打开视频和下载入口，iPhone 可通过 Safari 分享菜单保存到相册
  • 本地保存: 下载文件统一保存在电脑的 workspace/mobile/ 目录，便于后续管理和清理

启动方式：

python src/mobile_web_server.py

启动后终端会显示类似 http://局域网IP:8787 的手机访问地址。手机和电脑需要连接到同一个局域网；如果无法访问，请检查 Windows 防火墙是否允许 8787 端口。

免责声明

本项目仅供合法、合规且经授权的用途使用。使用涉及第三方平台内容、Cookie、Token、录制、导入或处理功能前，请先阅读 DISCLAIMER.md。

使用方法

1.处理 YouTube 视频列表

比如斯坦福CS231N这个视频列表：

https://www.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

复制好视频列表连接，在软件视频URL中右键，会直接粘贴视频的连接。

勾选下面的选项，可以保存视频、获取原生英文字幕；如果没有原生字幕，也可以用 whisper 做语音转字幕，勾选生成字幕并翻译，这样就有了视频和双语字幕，方便学习研究。翻译字幕使用的是谷歌翻译，翻译时间会比较久；如果列表中文件较多，可以先完成媒体处理，再选中视频目录单独进行字幕提取和翻译。下图就是显示出来的双语字幕。

2.批量翻译字幕

在软件中选中本地视频，勾选批量处理，选中要处理的目录，把要处理的项勾选上，让它自己处理就可以了，这个列表共有18个视频，翻译花了好长时间。仅供参考。

3.抖音内容处理

在抖音PC版上点分享，复制连接，直接在视频URL中右键直接粘贴连接，勾选你要处理的项，可以进行媒体处理和摘要提取等。

4.处理 X 视频链接

类似这种连接，页面有一个视频。

https://x.com/tanchibu37099/status/2000362448982102119

复制好连接，在视频URL中右键直接粘贴连接，即可加入处理流程。

5.插件使用

把项目中的chrome_extension整个文件夹拖到Edge或者Chrome浏览器中的扩展中，就完成了插件安装。安装成功后，扩展栏会有一个图标。在支持的视频正下方会有处理按钮，点击后会把当前任务加入到处理队列中。

🔄 批量处理

  • 多平台批处理: 支持混合处理不同平台的视频链接
  • 文件导入: 可从文本文件批量导入 URL 列表
  • 进度跟踪: 实时显示批量任务的处理进度和结果

⏰ 闲时调度系统

  • 智能调度: 设置闲时时间段（如晚上23:00-早晨07:00），自动执行处理任务
  • 任务队列: 白天将任务添加到队列，闲时自动依次执行
  • 灵活控制: 支持暂停/恢复、立即执行、任务重排等操作
  • 可视化管理: 专门的"闲时队列"标签页，实时查看和管理任务状态

🎙️ AI 配音

VideoHub 样片演示

  • 默认后端: 默认使用原来的 Kokoro TTS，支持晓贝、晓晓、晓艺、云健、云扬等中文音色
  • CosyVoice 后端: 可在设置中手动切换到 CosyVoice SFT 或 CosyVoice Instruct，支持中文女、中文男、粤语女、英文女等音色
  • MiniMax 后端: 可在设置中手动切换到 MiniMax API，支持中文男声、中文女声、新闻播音、电台主持、青年声线、成熟声线和粤语男声等系统音色
  • 音色试听: 配音页可直接试听当前音色，试听文件会缓存到 workspace/dubbing_temp/voice_previews/，再次试听同一配置时直接播放旧文件
  • 智能转录: 自动将视频语音转录为字幕
  • 流畅合成: 保持原始视频节奏，自动填充静音
  • 灵活输出: 可选择保留原声背景音，调节背景音音量

输出目录: 配音文件保存在 workspace/dubbing_temp/ 目录，完成后生成 {原文件名}_中文配音.mp4

使用 CosyVoice 配音

CosyVoice 作为可选本地 TTS 后端，需要先启动独立服务：

python tts_service.py --host 127.0.0.1 --port 8877

服务启动后，在 VideoHub 中进入 设置 -> TTS 配音设置：

  1. TTS 引擎版本 选择 CosyVoice SFT 或 CosyVoice Instruct
  2. 确认 CosyVoice 服务地址 为 http://127.0.0.1:8877
  3. 选择 CosyVoice 音色，例如 中文女 或 中文男
  4. 如果使用 CosyVoice Instruct，填写朗读指令，例如“用自然、清晰、适合视频讲解的语气朗读”
  5. 保存设置后，到 AI配音 页面点击音色旁边的 试听
  6. 确认音色效果后，选择 YouTube 链接、本地视频或已有字幕，点击 开始配音

切换到 CosyVoice 后，AI 配音页的音色列表会自动从 Kokoro 的“晓贝/晓晓/云健”等切换为 CosyVoice 的“中文女/中文男/粤语女”等。未手动切换时，VideoHub 仍保持原来的 Kokoro 配音流程。

使用 MiniMax API 配音

MiniMax 是外部付费 TTS API，适合想快速获得更多中文音色选择、又不想在本地加载大模型的场景。

在 VideoHub 中进入 设置 -> TTS 配音设置：

  1. TTS 类型和引擎 选择 外部付费 - MiniMax API
  2. 填写 MiniMax API Key
  3. 选择模型，例如 speech-2.8-turbo 或 speech-2.8-hd
  4. 在 MiniMax 音色 中选择男声、女声、播音、主持等预置音色
  5. 如需使用自定义声音，可直接在音色框中填写自己的 voice_id
  6. 保存设置后，到 AI配音 页面点击音色旁边的 试听
  7. 确认音色效果后，选择 YouTube 链接、本地视频或已有字幕，点击 开始配音

切换到 MiniMax 后，AI 配音页的音色列表会自动显示 MiniMax 的系统音色。试听和正式配音都会使用当前选中的音色；如果没有配置 MiniMax API Key，不会影响 Kokoro 和 CosyVoice 的本地配音流程。

🤖 项目级 Skills

本项目在 .agents/skills/ 下维护了一组项目级 skills，供 Codex、Claude Code 等智能编码助手读取。它们不是业务运行时依赖，也不会替代 GUI 或 CLI；它们的作用是让智能助手在处理 VideoHub 相关任务时，优先复用当前项目已有入口、脚本和约定，减少重复造轮子或误用过期路径。

Skill 适用场景 主要复用入口
videohub 总入口与任务路由，判断应使用哪个子 skill main.py、src/youtube_transcriber.py
videohub-youtube YouTube、Twitter/X、Bilibili、本地音视频/文本的转写、字幕、翻译和总结 python src/youtube_transcriber.py --help
videohub-douyin 抖音单视频和用户主页作品下载 python src/douyin_cli.py <url>
videohub-queue 闲时队列、Chrome/Edge 扩展、本地 API 排查 src/api_server.py、http://127.0.0.1:8765
videohub-ffmpeg FFmpeg 状态检查、路径配置、模式切换、下载和测试 python src/ffmpeg_config_cli.py help
videohub-subtitles 字幕生成后的烧录、视频合成、独立字幕合成工具说明 embed_subtitles_to_video()、python src/subtitle_merger.py
videohub-live 直播录制依赖、配置和运行状态诊断 src/live_recorder_adapter.py

常见同步点：

  • 字幕翻译默认使用 Google；如果 Google 失败，会尝试 DeepSeek/OpenAI 作为备用翻译。
  • 字幕目标语言支持 zh-CN、zh-TW、en、ja、ko、ru、fr、de、es、it、pt、ar，默认 zh-CN。
  • 字幕烧录主流程复用 src/youtube_transcriber.py 中的 embed_subtitles_to_video()；独立 GUI 工具为 src/subtitle_merger.py。
  • 抖音用户主页下载已有入口，但通常需要有效 Cookie 和相关依赖，实际可用性以运行结果为准。

🖼️ 应用界面

主界面标签页

  • 在线视频: 单个视频处理，支持 YouTube、Twitter、X、抖音等多平台
  • 本地音频/视频: 处理本地媒体文件
  • 批量处理: 批量处理多个不同平台的视频链接
  • 闲时队列: 可视化任务队列管理和闲时调度控制
  • 直播录制: 多平台直播监控与录制相关功能
  • 处理历史: 查看所有处理过的任务记录
  • 设置: API 配置、模板管理、闲时设置

image-20250922152348383

🛠️ 安装配置

系统要求

  • Python 3.8+
  • Windows/macOS/Linux
  • 8GB+ RAM（推荐用于 Whisper 模型）
  • FFmpeg（直播录制必需）
  • Chrome浏览器（使用浏览器扩展时）

1. 环境准备

# 克隆仓库
git clone git@github.com:cacity/VideoHub.git
cd VideoHub

# 创建虚拟环境（推荐）
conda create -n VideoHub python=3.12
conda activate VideoHub

# 安装依赖
pip install -r requirements.txt

核心依赖

PyQt6                    # 现代化GUI框架
yt-dlp                   # 多平台媒体获取与处理支持
openai-whisper           # 语音转录
openai                   # OpenAI API
requests                 # HTTP请求
python-dotenv            # 环境变量管理
flask                    # API服务器
flask-cors               # 跨域支持
asyncio                  # 异步IO（直播录制）

2. 配置设置

API 密钥配置

在应用的"设置"标签页中配置以下 API 密钥：

# OpenAI API (用于GPT模型)
OPENAI_API_KEY=sk-your-openai-api-key

# DeepSeek API (国内替代方案)
DEEPSEEK_API_KEY=your-deepseek-api-key

# 代理设置（如需要）
PROXY=http://proxy.example.com:8080

闲时设置

  • 默认闲时：23:00 - 07:00
  • 可在"设置"或"闲时队列"页面自定义时间段

3. 安装 FFmpeg（直播录制必需）

FFmpeg 是直播录制功能的必需组件。应用会自动检测并尝试安装：

# 运行自动安装脚本
python ffmpeg_install.py

手动安装方式：

  • Windows: 下载 FFmpeg 并添加到系统 PATH
  • macOS: brew install ffmpeg
  • Linux: sudo apt-get install ffmpeg 或 sudo yum install ffmpeg

4. 安装 Chrome 浏览器扩展（可选）

如果需要使用浏览器扩展功能：

  1. 打开 Chrome 浏览器，访问 chrome://extensions/
  2. 开启右上角的"开发者模式"
  3. 点击"加载已解压的扩展程序"
  4. 选择项目中的 chrome_extension 文件夹
  5. 扩展将出现在扩展程序列表中

5. 运行应用

# 启动桌面应用（包含 HTTP API 服务器）
python main.py

# 启动手机本地网页下载服务（局域网访问，默认端口 8787）
python src/mobile_web_server.py

# 启动 CosyVoice TTS 服务（使用 CosyVoice 配音前启动）
python tts_service.py --host 127.0.0.1 --port 8877

# 或使用抖音处理命令行工具
python douyin_cli.py <抖音视频URL>

📂 项目结构

VideoHub/
├── 📁 核心文件
│   ├── main.py                        # PyQt6 GUI 主程序（整合所有功能）
│   ├── api_server.py                  # HTTP API 服务器（供Chrome扩展调用）
│   ├── tts_service.py                 # CosyVoice 本地 TTS 服务
│   ├── douyin_cli.py                  # 抖音命令行处理工具
│   ├── live_recorder_adapter.py       # 直播录制适配器
│   ├── mobile_web_server.py           # 手机局域网网页下载服务
│   ├── ffmpeg_install.py              # FFmpeg 自动安装脚本
│   ├── msg_push.py                    # 消息推送模块
│   └── requirements.txt               # Python 依赖
├── 📁 Chrome扩展
│   ├── chrome_extension/
│   │   ├── manifest.json              # 扩展配置文件
│   │   ├── background.js              # 后台服务脚本
│   │   ├── content-scripts/           # 页面内容脚本
│   │   │   ├── youtube.js
│   │   │   ├── twitter.js
│   │   │   ├── bilibili.js
│   │   │   └── styles.css
│   │   ├── popup/                     # 扩展弹窗界面
│   │   │   ├── popup.html
│   │   │   ├── popup.js
│   │   │   └── popup.css
│   │   └── icons/                     # 扩展图标
├── 📁 抖音下载模块
│   ├── douyin/                        # 抖音视频解析和下载
│   │   ├── parser.py                  # URL解析
│   │   ├── downloader.py              # 视频下载
│   │   ├── video_extractor.py         # 视频提取器
│   │   └── ...
│   └── douyinVd/                      # Deno实现的备用下载方案
├── 📁 直播录制模块
│   ├── live_recorder/
│   │   ├── spider.py                  # 直播平台爬虫
│   │   ├── stream.py                  # 直播流处理
│   │   ├── room.py                    # 直播间管理
│   │   └── ...
│   └── live_config/
│       ├── config.ini                 # 直播录制配置
│       └── URL_config.ini             # 直播间URL列表
├── 📁 输出目录
│   ├── downloads/                     # 多平台音频文件 (.mp3)
│   ├── videos/                        # 多平台视频文件 (.mp4/.webm/.mov等)
│   ├── douyin_downloads/              # 抖音视频输出目录
│   ├── live_downloads/                # 直播录制文件 (.ts/.flv/.mp4)
│   ├── mobile/                        # 手机网页端下载文件
│   ├── transcripts/                   # 转录文本 (.txt)
│   ├── subtitles/                     # 字幕文件 (.srt/.vtt/.ass)
│   ├── summaries/                     # 文章摘要 (.md)
│   └── dubbing_temp/                  # AI 配音临时文件
├── 📁 配置目录
│   ├── templates/                     # 自定义文章模板
│   ├── icons/                         # 应用图标资源
│   └── logs/                          # 下载历史记录
└── 📁 配置文件
    ├── .env                           # 环境变量（API密钥等）
    └── idle_queue.json                # 闲时队列数据

🌐 支持的平台

主要支持平台

  • 🎬 YouTube: 完整支持，包括私有视频（需Cookie）
  • 🐦 Twitter/X: 支持视频推文，可能需要登录状态
  • 📱 抖音: 支持抖音链接识别与媒体处理
  • 📺 Bilibili: 支持 B 站视频处理
  • 🌍 其他平台: 基于 yt-dlp 支持的 1000+ 网站

平台特性对比

平台 媒体处理 音频提取 字幕支持 Cookie需求 特色功能
YouTube ✅ 完整支持 ✅ 高质量 ✅ 多语言 部分视频需要 原生字幕提取
Twitter/X ✅ 支持 ✅ 支持 ✅ 转录生成 推荐使用 短视频优化
抖音 ✅ 支持 ✅ 高质量 ✅ 转录生成 视场景而定 智能分享识别
Bilibili ✅ 支持 ✅ 支持 ✅ 转录生成 部分内容需要 弹幕处理

🤝 贡献

欢迎对本项目进行贡献！

贡献方式

  • 🐛 报告 Bug: 创建 Issue
  • 💡 功能建议: 提交 Feature Request
  • 🔀 代码贡献: 提交 Pull Request
  • 📖 文档改进: 完善使用说明

📄 许可证

本项目采用 MIT 许可证，允许自由使用、修改和分发。使用涉及第三方平台内容、Cookie、Token、录制或批量处理等功能前，请先阅读 DISCLAIMER.md。

🌟 致谢

感谢以下开源项目的支持：

Star History

Star History Chart

⭐ 如果这个项目对您有帮助，请给个 Star 支持一下！

本页内容由上游仓库自动镜像，如有疑问请访问原始仓库。