核心功能
Video-to-Text 是一款开源视频转录工具，整合 bilibili-api 与 yt-dlp 实现多平台视频下载，采用 faster-whisper 引擎将音频转写为文本。支持 Bilibili（需登录态）、YouTube、TikTok/Douyin、Twitter/X 等主流平台，同时兼容本地音视频文件（mp4/wav/m4a/webm/mkv 等格式）。
显著优点
1. 多源兼容：覆盖国内外主流视频平台，通过 yt-dlp 持续扩展支持范围
2. 模型灵活：5 档 Whisper 模型（tiny→large），75MB-3GB 可选，兼顾速度与精度
3. 本地化优先：完全离线运行，转录过程无需联网，保护隐私
4. 中文优化：内置中文语言指定（-l zh），对 B站内容友好
5. 轻量依赖：纯 Python 实现，安装简单（pip + ffmpeg）
潜在局限
- B站认证门槛：需手动提取浏览器 Cookie（SESSDATA/bili_jct/buvid3），存在凭证泄露风险
- 模型体积：large 模型需 3GB 显存/内存，低配置设备受限
- 无内置校对：输出文本无自动标点优化或语义校验
- 维护依赖：yt-dlp 需跟随平台反爬策略更新
适合人群
- 内容创作者：快速生成视频字幕稿
- 研究人员：批量转录访谈/讲座素材
- 无障碍需求用户：将视频内容转为可读文本
- 多语言学习者：获取外语视频对照文本
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 凭证安全 | B站 Cookie 包含登录态，命令行/配置文件残留风险 | 使用环境变量注入，脚本内避免硬编码 |
| 版权合规 | 下载受版权保护内容可能违规 | 仅限个人学习使用，遵守平台 ToS |
| 模型偏见 | Whisper 可能对特定口音/术语识别偏差 | 人工校对关键内容 |
| 依赖更新 | yt-dlp 失效导致下载失败 | 定期执行 `pip install -U yt-dlp` |