核心用法
Video Analyzer 是一款面向主流视频平台（YouTube、X/Twitter、TikTok）的本地视频分析工具，采用双层转录架构：优先通过 yt-dlp 提取平台原生字幕实现秒级响应，无字幕时自动降级至本地 whisper-cpp 进行离线语音识别。用户可通过 CLI 命令执行 transcript（带时间戳文本）、download-video（MP4）、download-audio（M4A/MP3）三种操作，转录结果自动保存为时间戳格式文本（[MM:SS] 内容），便于精准定位特定内容。
显著优点
- 隐私优先设计：所有音频处理在本地完成，语音数据不上传至云端服务，适合敏感内容分析
- 双语智能输出：自动检测视频语言，但始终以用户输入语言回复（如用户用意大利语提问则输出意大利语摘要）
- 平台覆盖完整：覆盖三大主流平台，X/Twitter 视频通过 whisper 兜底转录
- 输出格式规范：强制要求 AI 按「TL;DR 三句摘要 + 3-7 个关键时间戳 + 可执行洞察」结构输出，降低认知负荷
潜在局限与风险
- 依赖本地二进制环境：需预装 uv、yt-dlp、ffmpeg、whisper-cli 四个工具链，首次部署门槛较高
- whisper 性能权衡：
normal质量模式下 30 分钟视频约需 1 分钟（速度优先），max模式则需 5 分钟（精度优先），长视频处理存在等待成本 - X/Twitter 稳定性：该平台无原生字幕，完全依赖 whisper 转录，若视频音质差或背景嘈杂，准确率下降
- 版权合规责任：下载功能可能触及平台 ToS 及当地著作权法，用户需自行承担合规风险
适合人群
- 研究人员、记者、学生需批量提取视频核心观点与精确引用时间戳
- 对隐私敏感的企业用户，禁止云端语音处理的内网环境
- 内容创作者进行竞品分析与素材归档
常规风险提示
- 法律风险：下载受版权保护内容可能违反 DMCA 或当地法律，建议仅用于个人学习或已获授权素材
- 存储占用：whisper-cpp 模型文件较大，需预留足够磁盘空间
- 模型偏见：语音识别对口音、方言、专业术语的识别存在固有误差，关键内容建议人工复核