Bili Summary

核心用法

bili-summary 是一款专为 Bilibili（B站）设计的视频处理工具，集成下载、转写、总结三大核心能力。用户只需提供视频链接，即可自动完成信息获取、字幕提取、音频转写及 AI 总结全流程。

主要功能模块：

• 信息获取：通过 yt-dlp 提取视频标题、时长、UP主等元数据
• 字幕提取：优先调用 B站官方 CC 字幕 API
• 音频转写：无字幕时自动下载音频，使用 faster-whisper (tiny 模型) 进行本地语音识别
• AI 总结：调用 Google Gemini 2.5 Flash 生成结构化摘要（章节 + 核心内容 + 关键洞察 + 结论）

执行命令：

uv run {baseDir}/scripts/bili-summary.py "B站链接" --action summary

可选 action 包括：info（仅信息）、subtitle（仅字幕）、transcribe（仅转写）、video（完整下载）、summary（全流程）。

显著优点

1. 全流程自动化：从下载到 AI 总结一键完成，无需手动切换工具
2. 字幕双保险：优先官方 CC 字幕，无字幕时 Whisper 兜底，覆盖率高
3. 本地转写隐私友好：faster-whisper 本地运行，敏感内容不上传第三方
4. Gemini 免费额度充足：15 RPM / 1M TPM 的免费额度满足个人高频使用
5. 输出结构化：自动生成章节划分、关键洞察、结论总结，便于快速阅读

潜在缺点与局限性

1. 依赖 yt-dlp：B站反爬策略可能导致下载失败，需保持 yt-dlp 更新
2. Whisper 转写质量受限：tiny 模型速度快但准确率低于 large-v3，专业术语/方言识别效果一般
3. 仅支持 Gemini：如需使用 OpenAI/Claude/国产大模型需自行修改代码
4. 临时文件不自动清理：audio.m4a、subtitle.txt 需手动删除
5. 视频长度限制：超长视频（>1小时）转写耗时显著增加，API 可能触发速率限制

适合人群

• 内容创作者：快速了解竞品视频、提取口播文案、生成摘要笔记
• 研究人员：批量处理访谈/讲座视频，提取关键信息
• 学习效率党：将长视频转化为文字摘要，节省观看时间
• UP主助手：整理直播回放、生成视频简介或时间戳

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| **API 密钥泄露** | 需配置 GEMINI_API_KEY 环境变量 | 避免硬编码，使用 `.env` 或 shell 配置 |

| **B站账号风险** | 高频下载可能触发反爬/封禁 | 控制请求频率，避免批量下载 |

| **版权合规** | 下载受版权保护内容存在法律风险 | 仅用于个人学习/研究，遵守 B站 ToS |

| **存储空间** | 临时音频文件可能占用空间 | 定期清理 `~/openclaw/workspace/coding-agent/temp/bili-summary/` |

| **API 速率限制** | 免费额度耗尽后请求失败 | 监控用量，必要时升级或切换账号 |

安全等级说明：本工具代码开源透明，无恶意行为；但涉及外部 API 调用（Gemini）和 B站下载，需用户自行承担合规责任。

核心用法

bili-summary是一款专为Bilibili视频设计的AI辅助处理工具，通过命令行接口提供完整的内容处理流水线。用户只需提供B站视频URL，即可选择执行五种操作：info获取视频元数据、subtitle提取官方CC字幕、transcribe音频转录、video完整下载、以及推荐的summary全流程总结。

完整工作流会自动串联多个步骤：首先通过yt-dlp获取视频标题、时长、UP主信息；其次尝试调用B站API提取官方字幕；若无字幕则下载音频并使用faster-whisper（tiny模型）进行语音识别；最终调用Google Gemini 2.5 Flash生成包含章节划分、核心内容、关键洞察与结论的结构化总结。单条视频处理耗时约45秒，输出summary.txt供用户直接使用。

显著优点

全流程自动化：从视频获取到AI总结无需人工干预，自动处理字幕缺失场景，大幅降低B站内容的知识提取门槛。成本优势：Gemini 2.5 Flash提供免费档位（15 RPM/1M TPM），满足个人用户高频使用需求；yt-dlp与Whisper均为成熟开源方案，零授权费用。多模态兼容：既支持官方字幕直取，也支持无字幕视频的语音转录，覆盖B站绝大多数视频类型。结构化输出：AI总结按标准模板组织，便于快速浏览、笔记整理或二次创作引用。

潜在缺点与局限性

依赖管理负担：用户需自行安装Python环境、yt-dlp、faster-whisper并配置Gemini API密钥，首次 setup 门槛较高。T3来源风险：作为个人开发者项目，无企业级维护保障，长期更新与安全性依赖社区贡献。平台耦合性：深度绑定Bilibili接口与Google Gemini，任一方API变更或政策调整可能导致功能中断。转录质量边界：Whisper tiny模型在嘈杂背景、专业术语或口音较重场景下识别准确率有限，影响最终总结质量。临时文件管理：音频与字幕文件需手动清理，长期高频使用可能占用显著磁盘空间。

适合的目标群体

知识工作者与研究者：需要快速消化B站教程、讲座、纪录片等长视频内容，提取关键信息用于笔记或报告。内容创作者与编辑：基于B站素材进行二次创作，需精准定位视频亮点与章节节点。多语言学习者：结合字幕提取与翻译工作流，辅助理解中文视频内容。技术爱好者：具备命令行基础，追求自动化效率工具替代手动观看与记录。

使用风险

供应链风险：yt-dlp与faster-whisper需从PyPI安装，存在依赖库被投毒的潜在威胁，建议锁定版本并使用虚拟环境。API密钥泄露：Gemini API Key通过环境变量注入，共享环境或脚本硬编码可能导致密钥暴露与配额盗刷。内容合规风险：下载与转录受版权保护内容可能违反B站服务条款，用户需自行承担法律评估责任。隐私数据传输：视频标题、字幕内容上传至Google Gemini API处理，敏感行业用户需审阅Google数据使用政策。网络稳定性：Bilibili反爬策略与Gemini rate limit均可能导致任务中断，建议实现重试机制或错峰使用。