核心功能
video-summary 是一款跨平台视频内容摘要工具，通过整合 yt-dlp 下载引擎、OpenAI Whisper 本地转录和 LLM API 智能分析，实现从视频 URL 到结构化摘要的自动化流水线。支持 YouTube、Bilibili、Xiaohongshu、Douyin 四大主流平台及本地音视频文件，提供章节分段、时间戳导航、多格式输出等进阶功能。
显著优点
1. 多平台深度覆盖：业内少数同时支持中/英文主流短视频与长视频平台的摘要工具，Bilibili 原生字幕提取、YouTube CC 双通道保障准确率
2. 灵活的 LLM 集成：兼容 OpenAI、智谱 GLM、DeepSeek、Moonshot 等主流中文 API 服务商，用户可自定义 endpoint 与模型
3. 离线转录能力：集成 Whisper 本地模型，为无原生字幕的小红书、抖音内容提供 OCR 级替代方案，base 模型即可满足日常需求
4. 工程化设计：自动分块处理长视频（>1小时）、临时文件自清理、JSON/Markdown 双格式输出，适合二次开发集成
潜在局限与风险
- 依赖外部工具链：需预装 yt-dlp、ffmpeg、jq 等 7 项二进制依赖，Windows 环境配置门槛较高
- 转录成本敏感：Whisper medium/large 模型处理 1 小时视频需 30-60 分钟 CPU 时间，GPU 加速非开箱即用
- Cookie 合规灰区：小红书/抖音部分受保护内容需用户手动导出浏览器 Cookie，存在账号协议风险
- API 密钥暴露面：虽声明仅通过环境变量注入，但用户误操作（如
export写入 shell history）可能导致密钥泄露 - 内容审核盲区：LLM 摘要可能遗漏视频中的关键视觉信息（如代码演示、数据图表），纯音频转录场景存在信息损失
适合人群
- 研究员与分析师：快速消化长视频课程、行业访谈、财报发布会
- 内容创作者：竞品视频结构化拆解、选题素材库建设
- 开发者：需将视频内容 pipeline 接入自动化工作流的技术团队
- 多语言学习者：依赖双语字幕提取进行精读训练的用户
常规风险等级
操作层面：B（依赖外部二进制与 API 密钥管理）
合规层面：C（Cookie 获取行为可能违反平台 ToS，需用户自担风险）
数据层面：B（临时文件自动清理，但转录过程产生本地音频缓存）