本地视频转文字完全免费教程：video2text实现离线语音转写+AI智能总结
你是不是还在找好用的视频转文字工具？在线网站限制多、收费贵，命令行工具配置复杂……本文介绍的 video2text 让你在自己电脑上完全离线地完成视频转文字，并且自带 AI 总结功能，支持 NVIDIA 显卡加速。
- 完全免费，无时长限制
- 基于 Whisper large-v3，精准实用
- 集成 Ollama / NVIDIA 大模型，自动生成摘要
- 图形界面 + 命令行，Windows 绿色版
- 支持 Windows 10/11（64位）
- NVIDIA 显卡自动加速（显存 >= 6GB）
- 一键转写 + 总结，输出 TXT/SRT/VTT/JSON
- 完全开源，源代码：video2text GitHub 仓库（本地视频转文字工具）
本文适用人群：想把网课、会议录音、访谈视频转成文字并总结的技术人员/学生。 最终效果：选择一个视频，点一下按钮，得到 TXT 文件 + Markdown 摘要。
一、video2text 本地视频转文字工具能做什么？
video2text 是一款开源的本地视频转文字工具，基于 faster-whisper（large-v3 模型）实现高精度语音转写，并集成了 Ollama / NVIDIA API 可自动生成 AI 摘要。不需要联网上传视频，全部在你自己电脑上运行，比在线视频转文字网站更安全、更稳定。
核心能力一览：
| 功能 | 说明 |
|---|---|
| 语音转文字 | 使用 faster-whisper large-v3 模型，支持中/英/日等多语言 |
| AI 智能总结 | 集成 Ollama 本地大模型或 NVIDIA 在线模型，自动生成摘要 |
| GPU 加速 | NVIDIA 显卡（CUDA）自动加速转写，速度提升数倍 |
| 多格式输出 | 支持 TXT / SRT / VTT / JSON 转写格式 + TXT / MD 摘要格式 |
| 批量处理 | 支持选择整个文件夹，自动递归扫描所有视频 |
| 图形界面 | 自带 GUI，操作简单，也可使用命令行模式 |
| 绿色免安装 | 解压即用，不写注册表，不捆绑广告 |
二、安装前的准备：系统要求与组件
在安装 video2text 这一本地视频转文字工具前，请先确认你的电脑满足以下条件。
2.1 最低配置与推荐配置
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| 操作系统 | Windows 10 64位 | Windows 11 64位 |
| 磁盘空间 | 20 GB 可用空间 | 30 GB 以上（含模型文件） |
| 内存（RAM） | 8 GB | 16 GB 及以上 |
| 显卡 | 无（CPU模式可用但很慢） | NVIDIA 显卡（6GB显存以上） + CUDA |
注意：AMD 显卡暂不支持 GPU 加速。CPU 模式可以运行但转写速度很慢，不建议使用。
显卡信息参考（nvidia-smi 输出示例）：
| NVIDIA-SMI 572.83 | Driver Version: 572.83 | CUDA Version: 12.8 |
|---|---|---|
| GPU Name Driver-Model | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| MIG M. | ||
| =================================== | ================================ | ======================== |
| 0 NVIDIA GeForce RTX 4060 WDDM | 00000000:01:00.0 Off | N/A |
| N/A 41C P5 5W / 140W | 365MiB / 8188MiB | 0% Default |
| N/A |
如果驱动版本和 CUDA 版本太低也可能无法使用 GPU 加速。建议先在命令行执行
nvidia-smi确认显卡状态。
2.2 需要下载哪些文件（含云盘地址）
video2text 本地视频转文字工具的安装包体积较大，已上传至 123 云盘，内含以下组件：
| 组件 | 大小 |
|---|---|
large-v3 语音模型 | ~3 GB |
Ollama 总结模型（qwen2.5:7b） | ~4.7 GB |
| FFmpeg | ~200 MB |
| video2text 程序 | ~3 GB |
| 运行时缓存及输出空间 | 预留若干 GB |
请使用支持保留目录结构的解压工具（如 7-Zip 或 Bandizip）解压压缩包，确保文件夹结构完整。
下载地址：
『来自123云盘用户喵王龙的分享』video2text 本地视频转文字工具
链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-SE7j3?pwd=viWa#
提取码：viWa
三、详细安装步骤（分4步完成）
以下按顺序介绍 video2text 本地视频转文字工具的完整安装流程。
3.1 安装 Ollama（用于AI总结）
Ollama 是一个本地大语言模型运行框架，video2text 使用它来生成文本摘要。
第一步：运行安装程序
双击 OllamaSetup.exe，按提示完成安装。安装过程无需手动配置，会自动完成。
第二步：解压预下载模型
找到下载好的 models.zip 文件，将其解压到 C:\Users\你的用户名\.ollama 目录下。确保解压后的目录结构如下：
C:\Users\你的用户名\.ollama\
└── models\
└── blobs\ ← 模型数据文件
└── manifests\ ← 模型清单文件
提示：
%USERPROFILE%环境变量会自动指向当前用户的主目录。在文件资源管理器地址栏输入%USERPROFILE%\.ollama可直接跳转。
第三步：启动 Ollama 服务
安装完成后，从开始菜单或桌面找到 Ollama 程序并运行。Ollama 会以后台服务形式运行，默认监听 http://127.0.0.1:11434。系统托盘区会出现 Ollama 图标，表示服务已启动。
第四步：验证安装
打开命令提示符（Win+R → 输入 cmd → 回车），运行：
ollama list
如果显示已安装的模型列表（如 qwen2.5:7b-instruct-q4_K_M），说明安装和模型解压均成功。如果提示找不到命令，尝试重新打开一个命令提示符窗口（安装后需要新的终端窗口才能刷新 PATH）。
如果没有预下载模型文件：可以在线拉取模型，在命令提示符中运行：
ollama pull qwen2.5:7b-instruct-q4_K_M模型文件约 4.7 GB，下载时间取决于网络速度。最好注册 Ollama 的账号，官网地址：docs.ollama.com/，提供免费的在线模型可… deepseek-v3.1:671b-cloud、gpt-oss:120b-cloud。
3.2 安装 FFmpeg（用于视频音频提取）
FFmpeg 是一个音视频处理工具，video2text 使用它从视频文件中提取音频。
第一步：解压安装包
将下载的 ffmpeg-*-win64-gpl.zip 解压到一个固定目录，例如 C:\ffmpeg。解压后的目录结构如下：
C:\ffmpeg\
└── bin\
├── ffmpeg.exe
├── ffplay.exe
└── ffprobe.exe
第二步：添加到系统 PATH 环境变量
- 右键点击「此电脑」→「属性」→「高级系统设置」→「环境变量」
- 在「系统变量」区域找到
Path变量，双击打开 - 点击「新建」，输入 FFmpeg 的
bin目录路径：C:\ffmpeg\bin - 依次点击「确定」关闭所有对话框
快捷方法（Windows 10/11）：按
Win+S搜索「环境变量」→ 选择「编辑系统环境变量」→ 点击「环境变量」按钮。
第三步：验证安装
重新打开一个命令提示符或 PowerShell 窗口（必须重新打开，旧窗口不会加载新的 PATH），运行：
ffmpeg -version
如果显示 FFmpeg 版本信息（如 ffmpeg version 7.x），说明安装成功。如果提示「不是内部或外部命令」，请检查 PATH 设置是否正确，或尝试重启电脑后再试。
替代方案：如果不想修改系统 PATH，也可以在 video2text 的配置文件
config.ini中指定 FFmpeg 的完整路径：[preprocessing] ffmpeg_path = C:\ffmpeg\bin\ffmpeg.exe
3.3 部署 video2text 本地视频转文字程序
第一步：解压程序包
将 video2text_portable_windows_*.zip 解压到你希望存放程序的位置，例如 D:\video2text。该程序为绿色版，无需安装，不会写入注册表，解压即用。解压后目录结构如下：
D:\video2text\
├── video2text.exe ← 主程序
├── video2text.bat ← 启动脚本（自动设置工作目录）
├── config.ini ← 配置文件
├── .env ← 环境变量配置（存放 API Key，需手动创建）
├── assets\ ← 图标资源
├── models\ ← 模型目录（需要放入模型文件）
│ └── readme.md
├── output\ ← 输出目录（转写和总结结果保存在此）
│ └── readme.md
├── video\ ← 视频存放目录（可选使用）
│ └── readme.md
├── logs\ ← 日志目录
│ └── readme.md
├── README.md
└── README_PORTABLE.txt
第二步：创建 .env 文件（可选，使用 NVIDIA 在线总结服务时需要）
在程序目录下新建一个名为 .env 的文本文件（注意文件名以点开头，无扩展名）。用记事本打开，按需添加以下内容：
# NVIDIA API Key（使用在线 NVIDIA 模型总结时需要）
NVIDIA_API_KEY=nvapi-你的API密钥
# Ollama API Key（使用带认证的 Ollama 服务时可选配置）
# OLLAMA_API_KEY=你的API密钥
保存文件。程序启动时会自动读取该文件中的环境变量。如果仅使用本地 Ollama 进行总结，则无需创建此文件。API Key 也可以通过系统环境变量设置，效果相同（系统环境变量优先级高于 .env 文件）。NVIDIA 提供有很多免费的模型，如果网络访问有问题需要自行解决。
第三步：放入语音识别模型
将下载的 large-v3.zip 解压到程序目录下的 models 文件夹中。确保解压后模型文件位于 models\large-v3\ 子目录下，且包含以下核心文件：
D:\video2text\models\
└── large-v3\
├── config.json
├── model.bin ← 核心模型文件（约 2.9 GB）
├── preprocessor_config.json
├── tokenizer.json
└── vocabulary.json
重要：
model.bin是最大的文件（约 2.9 GB），缺少此文件将无法进行转写。
如果没有预下载模型：程序首次运行时会自动从 HuggingFace 下载模型（约 3 GB，需联网）。如果网络较慢，可在
config.ini中配置代理：[network] proxy = http://127.0.0.1:7890
3.4 验证安装是否成功
完成以上所有步骤后，按顺序验证各组件是否正常工作：
-
验证 FFmpeg：
ffmpeg -version应显示版本信息。
-
验证 Ollama：
ollama list应显示已安装的模型列表。
-
启动 video2text：
- 双击
video2text.exe或video2text.bat启动程序。 - 程序主窗口应正常显示，标题为「Video2Text - 视频转文本工具」。
- 底部状态栏会显示当前使用的配置文件路径。
- 双击
-
快速测试（可选）：
- 选择一个短小的视频文件（1-2 分钟即可）。
- 点击「仅转写」按钮，观察日志面板是否有输出、进度条是否推进。
- 转写完成后，右侧面板应显示转写文本。
- 点击「仅总结」按钮，确认 Ollama 能正常生成摘要。
四、首次使用教程：从打开到出结果
本节演示如何使用 video2text 本地视频转文字工具完成第一次转写和总结。
4.1 启动界面说明
双击 video2text.exe 即可打开图形界面（GUI）。也可以双击 video2text.bat 启动，它会自动将工作目录切换到程序所在位置。
程序启动后显示主窗口（默认 1200x800），从上到下分为以下区域：
| 区域 | 说明 |
|---|---|
| 菜单栏 | 设置（编辑配置）、帮助（关于） |
| 输入行 | 选择视频文件或文件夹的路径显示及操作按钮 |
| 输出行 | 输出目录设置、加载历史、暂停按钮 |
| 进度行 | 进度条、进度标签、三个操作按钮（仅转写/仅总结/转写+总结） |
| 左侧面板 | 日志输出（实时显示运行日志） |
| 右侧面板上部 | 结果查看（文件列表 + 转写文本/摘要标签页） |
| 右侧面板下部 | 提示词配置（自定义总结提示词及模板管理） |
| 状态栏 | 显示配置路径、操作反馈信息 |
4.2 选择一个视频，点击"转写+总结"
选择视频文件
- 选择文件：点击「选择文件」按钮，在弹出的对话框中选择一个或多个视频文件（按住
Ctrl或Shift多选）。 - 选择文件夹：点击「选择文件夹」按钮，选择一个文件夹后程序会自动递归扫描其中所有支持格式的视频，并弹出选择对话框。对话框显示找到的所有视频文件，每个文件前有复选框，默认全部勾选。可通过「全选」/「取消全选」按钮批量操作，勾选需要处理的文件后点击「确定」。
支持的视频格式（共 17 种）：
.mp4 .avi .mov .mkv .flv .wmv .webm .ts .mts .m4v .3gp .mpeg .mpg .vob .ogv .rm .rmvb
设置输出目录
点击「浏览」按钮选择转写结果的保存位置。默认输出目录为程序所在目录下的 output 文件夹。如果是通过「选择文件夹」导入视频，程序会自动在 output 下创建以源文件夹命名的子目录。
执行转写+总结
界面提供三种操作模式：
| 按钮 | 功能 | 说明 |
|---|---|---|
| 仅转写 | 语音 → 文字 | 使用 faster-whisper 模型将视频中的语音转为文字，结果保存到输出目录 |
| 仅总结 | 文字 → 摘要 | 对当前「文本内容」标签页中的文字进行 AI 摘要（需要 Ollama 或 NVIDIA API） |
| 转写+总结 | 语音 → 文字 → 摘要 | 先转写，完成后自动对每段转写文本进行摘要，一步完成全流程 |
操作过程中的说明：
- 进度条会实时更新，显示「已完成数/总数」
- 日志面板会实时输出处理信息，包括每段视频的转写进度、耗时等
- 转写过程中可点击「暂停」按钮暂停，暂停后按钮变为「继续」，点击继续恢复处理
- 任务完成或失败时，日志面板会显示统计信息（成功/失败数量）
4.3 查看结果（全屏查看器、书签、搜索）
文件列表
操作完成后，右侧面板的文件列表会显示所有已处理的视频文件名。点击文件名可切换查看对应的转写文本和摘要。
转写文本（「文本内容」标签页）
- 显示该视频的完整转写文本
- 文本可编辑：可以直接修改转写结果中的错别字或格式问题
- 编辑后的文本可通过点击「仅总结」按钮重新生成摘要
摘要（「摘要」标签页）
- 显示 AI 生成的摘要内容
- 摘要以 Markdown 格式渲染显示，支持表格、代码块、列表等格式
- 内容为只读，不可直接编辑
右键菜单
在文件列表中右键点击某个文件，可选择：
- 重新转写：对选中的视频重新执行转写（需要原始视频文件仍在原路径）
- 重新总结：对选中的视频重新执行总结（需要已存在转写文件）
全屏结果查看器
点击主界面的「全屏查看」按钮（或在结果查看窗口中按 F11），可打开独立的结果查看窗口，提供更舒适的浏览体验。
全屏查看器详细功能（点击展开）
工具栏：
| 控件 | 说明 |
|---|---|
| 字体大小 | 数值调节框，也可用 Ctrl+滚轮 或 Ctrl++/Ctrl+- 调节（范围 8-32pt，默认 14pt），Ctrl+0 重置为默认 |
| 主题 | 下拉框切换「浅色」/「深色」主题，选择会自动保存 |
| 全屏 | 按 F11 切换全屏，Esc 退出全屏 |
| 添加书签 | Ctrl+B 在当前位置添加书签 |
| 书签面板 | Ctrl+Shift+B 显示/隐藏书签侧栏 |
| 文件夹模式 | Ctrl+D 切换文件夹模式（树形视图） |
| 关闭 | Ctrl+W 关闭窗口 |
搜索功能：
- 按
Ctrl+F聚焦搜索框，输入关键词后自动搜索（300ms 防抖） - 按
F3或Ctrl+G跳转到下一个匹配项 - 按
Shift+F3或Ctrl+Shift+G跳转到上一个匹配项 - 搜索栏右侧显示匹配计数（如「3/15」）
- 当前匹配项高亮为橙色，其他匹配项高亮为黄色
书签系统：
- 在转写文本或摘要中定位到需要标记的位置，按
Ctrl+B添加书签 - 按
Ctrl+Shift+B打开书签面板，显示所有已添加的书签 - 书签列表中显示
[转写/摘要] 文件名 + 预览文本 - 双击书签条目可跳转到对应文件和位置
- 书签支持按关键词过滤，也可单独删除或清空
- 书签数据跨会话自动保存
文件夹模式：
- 按
Ctrl+D切换到文件夹模式，左侧文件列表变为树形结构 - 按子目录分层展示，目录节点加粗并显示子视频数量（如
subfolder (3)） - 子文件夹默认折叠，点击展开
五、常见问题与解决办法（FAQ）
使用本地视频转文字工具时可能遇到以下问题，这里逐一给出解决方案。
5.1 没有NVIDIA显卡怎么办？
video2text 支持 CPU 模式运行，但转写速度会明显较慢。
解决方法：
- 打开
config.ini，将[transcription]下的device改为cpu：device = cpu - CPU 模式下转写速度较慢，建议配合较短的视频测试。
5.2 双击 video2text.exe 无反应或闪退
- 原因：通常是 FFmpeg 未正确安装或未添加到 PATH。
- 解决：
- 打开命令提示符，运行
ffmpeg -version确认 FFmpeg 可用。 - 如果 FFmpeg 未添加到 PATH，在
config.ini中手动指定路径：[preprocessing] ffmpeg_path = C:\ffmpeg\bin\ffmpeg.exe - 或者通过
video2text.bat启动，它会自动设置工作目录。
- 打开命令提示符，运行
5.3 Ollama连接失败
- 原因：Ollama 服务未启动或启动异常。
- 解决：
- 确认 Ollama 已安装：在命令提示符运行
ollama --version。 - 启动 Ollama 服务：从开始菜单运行 Ollama，或在命令提示符运行
ollama serve。 - 在 video2text 中，打开「设置 → 编辑配置 → 总结」标签页，点击「测试连接」按钮检查状态。
- 也可点击「启动服务」按钮让 video2text 自动启动 Ollama。
- 确认 Ollama 已安装：在命令提示符运行
5.4 模型下载慢或失败
- 原因：网络环境无法正常访问 HuggingFace。
- 解决：
- 使用预下载的
large-v3.zip模型文件，解压到models/large-v3/目录。 - 如果需要在线下载，在
config.ini中配置代理：[network] proxy = http://127.0.0.1:7890 - 确保
models/large-v3/目录包含model.bin等 5 个核心文件。 - 确保文件没有被杀毒软件误删。
- 使用预下载的
5.5 转写时提示 GPU 显存不足（CUDA OOM）
- 原因：显卡显存不足以运行 large-v3 模型。
- 解决：
- 程序会自动尝试降级（
float16→int8→float32→ CPU），一般无需手动干预。 - 如果仍然失败，在
config.ini中将compute_type改为int8以减少显存占用：compute_type = int8 - 或将
device改为cpu使用 CPU 模式。
- 程序会自动尝试降级（
5.6 杀毒软件拦截
- 原因：部分杀毒软件可能将 PyInstaller 打包的 exe 误报为可疑程序。
- 解决：
- 将 video2text 程序所在目录添加到杀毒软件的白名单/排除列表中。
- 同时将
models/large-v3/目录也加入排除，防止模型文件被误删。
六、进阶技巧：自定义提示词与命令行使用
6.1 自定义提示词模板
主界面底部的「提示词配置」区域用于自定义总结时使用的提示词。
使用方法：
- 在文本框中输入自定义提示词（如「请用中文总结以下内容的要点，重点关注技术细节」）。
- 如果留空，将使用默认提示词：「你是一个专业的文本总结助手，擅长提取关键信息并生成简洁准确的总结。」
- 点击「仅总结」或「转写+总结」时，会将提示词与转写文本组合后发送给 AI 模型。
模板管理：
- 保存模板：输入提示词后，从下拉框中输入新模板名称，点击「保存提示词」即可保存。
- 加载模板：从下拉框中选择已保存的模板名称，提示词会自动填充到文本框。
- 删除模板：选择要删除的模板，点击「删除提示词」并确认。
- 程序会自动记住上次使用的模板，下次启动时自动恢复。
输出格式： 提示词中已内置 Markdown 格式指令，摘要会自动以要点标题 + 内容的 Markdown 格式输出，确保结构清晰。
6.2 配置文件详解（config.ini）
程序目录下的 config.ini 可直接用文本编辑器修改，完整配置如下：
[app]
log_level = INFO # 日志级别: DEBUG/INFO/WARNING/ERROR
[transcription]
model_path = large-v3 # 转写模型名称或路径
device = cuda # 设备: auto/cpu/cuda/mps
language = zh # 语言: auto/zh/en/ja/...
beam_size = 5 # beam search 大小
best_of = 5 # 候选数量
temperature = 0.0 # 温度参数
compute_type = float16 # 计算类型: float16/int8/float32
num_workers = 1 # 工作线程数
vad_filter = True # VAD 过滤
[summarization]
provider = ollama # 服务商: ollama/nvidia
ollama_url = http://127.0.0.1:11434 # Ollama 服务地址
model_name = qwen2.5:7b-instruct-q4_K_M # 模型名称
max_length = 10000 # 最大生成长度
temperature = 0.7 # 温度参数
timeout = 600 # 请求超时时间（秒）
custom_prompt = # 自定义提示词
nvidia_api_url = https://integrate.api.nvidia.com/v1/chat/completions
nvidia_model = openai/gpt-oss-120b
nvidia_max_tokens = 100000
nvidia_temperature = 1.0
nvidia_top_p = 1.0
nvidia_frequency_penalty = 0.0
nvidia_presence_penalty = 0.0
[preprocessing]
ffmpeg_path = ffmpeg # FFmpeg 路径
audio_sample_rate = 16000 # 音频采样率
audio_channels = 1 # 音频声道数
max_chunk_duration = 300 # 最大切片时长（秒）
supported_video_formats = .mp4,.avi,.mov,.mkv,.flv,.wmv,.webm,.ts,.mts,.m4v,.3gp,.mpeg,.mpg,.vob,.ogv,.rm,.rmvb
[output]
output_dir = output # 默认输出目录
transcript_format = txt # 转写格式（可逗号分隔: txt,srt,vtt,json）
summary_format = md # 摘要格式: txt/md
[network]
proxy = # 代理地址（用于 HuggingFace 模型下载）
[paths]
models_dir = models # 模型目录
logs_dir = logs # 日志目录
video_dir = video # 视频目录
也可通过环境变量 VIDEO2TEXT_CONFIG 指定自定义配置文件路径。
6.3 命令行使用（CLI）
除图形界面外，也可在命令行中直接使用。在程序所在目录打开终端，使用 video2text.exe 加子命令。
转写命令：
.\video2text.exe transcribe <视频文件路径> [选项]
| 选项 | 缩写 | 说明 | 默认值 |
|---|---|---|---|
--output-dir | -o | 输出目录 | output |
--language | -l | 语言代码 | zh |
--model | -m | 转写模型 | large-v3 |
--device | -d | 设备类型 | cuda |
--beam-size | - | beam search 大小 | 5 |
--temperature | - | 温度参数 | 0.0 |
--verbose | -v | 详细输出 | 关闭 |
示例：
.\video2text.exe transcribe "D:\videos\lecture.mp4" -o output -l zh -m large-v3 -d cuda
总结命令：
.\video2text.exe summarize <转写文本文件路径> [选项]
| 选项 | 缩写 | 说明 | 默认值 |
|---|---|---|---|
--output-dir | -o | 输出目录 | output |
--model | -m | 总结模型 | qwen2.5:7b-instruct-q4_K_M |
--max-length | - | 最大长度 | 5000 |
--temperature | - | 温度参数 | 0.7 |
--verbose | -v | 详细输出 | 关闭 |
示例：
.\video2text.exe summarize output\lecture.txt -o output -m qwen2.5:7b-instruct-q4_K_M
完整流程命令：
.\video2text.exe run-pipeline <视频文件路径> [选项]
| 选项 | 缩写 | 说明 | 默认值 |
|---|---|---|---|
--output-dir | -o | 输出目录 | output |
--language | -l | 语言代码 | zh |
--transcription-model | - | 转写模型 | large-v3 |
--summarization-model | - | 总结模型 | qwen2.5:7b-instruct-q4_K_M |
--device | -d | 设备类型 | cuda |
--beam-size | - | beam search 大小 | 5 |
--temperature | - | 转写温度 | 0.0 |
--summary-temperature | - | 总结温度 | 0.7 |
--max-length | - | 最大长度 | 5000 |
--verbose | -v | 详细输出 | 关闭 |
示例：
.\video2text.exe run-pipeline "D:\videos\meeting.mp4" -o output -l zh --transcription-model large-v3 --summarization-model qwen2.5:7b-instruct-q4_K_M
其他命令：
# 查看版本
.\video2text.exe version
# 查看所有命令及用法
.\video2text.exe --help
.\video2text.exe help
6.4 输出文件说明
文件命名：
| 类型 | 文件名格式 | 示例 |
|---|---|---|
| 转写文件 | {视频名}.{格式} | video1.txt、video1.srt |
| 摘要文件 | {视频名}_summary.{格式} | video1_summary.md |
转写格式：
| 格式 | 说明 |
|---|---|
txt | 可读文本，每行 [HH:MM:SS - HH:MM:SS] 文本 |
srt | SRT 字幕格式，可用于视频播放器加载 |
vtt | WebVTT 字幕格式，适用于网页播放器 |
json | JSON 数组，每项包含 start、end、text、confidence、language 字段 |
可在
config.ini中设置transcript_format = txt,srt,json同时输出多种格式。
摘要格式：
| 格式 | 说明 |
|---|---|
txt | 纯文本格式 |
md | Markdown 格式（默认），支持标题、列表、加粗等 |
6.5 高级功能
断点续传： 对于长视频（超过 300 秒），程序会自动将音频切片分段转写。每完成一个切片会保存检查点，如果任务中断（如程序崩溃、手动关闭），下次重新运行相同视频时会自动跳过已完成的切片，从中断处继续。
模型自动下载： 首次运行时如果 models/large-v3/ 目录下没有模型文件（或文件不完整），程序会自动从 HuggingFace 下载（约 3GB）。下载支持代理设置（在 config.ini 的 [network] proxy 中配置）、失败自动重试（最多 3 次，指数退避）、下载进度显示在日志面板。
GPU 显存管理： 转写模型加载到 GPU 后会缓存复用，避免重复加载。关闭程序时会自动卸载模型并释放 GPU 显存。如果 GPU 显存不足（CUDA OOM），程序会自动降级：float16 → int8 → float32 → int8_float16，最终回退到 CPU 模式。
日志系统： 程序运行日志保存在 logs/ 目录下：
| 日志文件 | 级别 | 说明 |
|---|---|---|
app.log | INFO | 常规运行日志，5MB 轮转，保留 7 份 |
debug.log | DEBUG | 详细调试日志，10MB 轮转，保留 3 份 |
error.log | ERROR | 错误日志，10MB 轮转，保留 30 份 |
失败的任务会额外记录到 logs/fail_log.log，包含时间戳、操作模式、视频名称和错误信息。
加载历史结果： 点击「加载历史」按钮可以扫描输出目录中已有的转写和总结文件，加载到文件列表中查看。适用于之前处理过的视频需要再次查看结果的场景。
6.6 注意事项
- Ollama 服务：使用总结功能前需确保 Ollama 已启动。程序可自动启动 Ollama 服务（在配置对话框中点击「启动服务」），也可手动运行
ollama serve。如果使用 Ollama，需先拉取模型：ollama pull qwen2.5:7b-instruct-q4_K_M。 - GPU 加速：如无 NVIDIA 显卡，请在配置中将「设备」改为
cpu，转写速度会明显较慢。 - 模型文件：
large-v3模型约 3GB，必须放置在models/large-v3/目录下。首次运行时如未找到模型会自动下载（需联网）。 - ffmpeg 路径：确保
ffmpeg已添加到系统PATH，或在配置中设置 FFmpeg 路径为完整路径（如C:\ffmpeg\bin\ffmpeg.exe）。 - 代理设置：如果网络环境需要代理才能访问 HuggingFace，请在网络标签页中配置代理地址。
- 关闭程序：关闭程序时会自动取消运行中的任务、恢复暂停状态、停止本程序启动的 Ollama 服务、释放 GPU 显存。
- API Key：使用 NVIDIA 总结服务需设置环境变量
NVIDIA_API_KEY；使用带认证的 Ollama 服务需设置OLLAMA_API_KEY。可通过系统环境变量或程序目录下的.env文件配置。
