AI-Media2Doc

上传音视频，一键生成小红书/公众号/笔记/思维导图

AI-Media2Doc 是一个开源工具，旨在将音视频内容一键转化为多种格式的文档，如小红书文案、公众号文章、知识笔记、思维导图和视频字幕。它解决了内容创作者在整理和再利用音视频素材时耗时费力的问题，通过自动化的转录和智能处理，将原始媒体快速转换为结构化的文本内容。项目基于 Vue 构建前端界面，后端使用 Python，集成了 OpenAI 等 AI 能力，支持从 Bilibili、YouTube 等平台直接导入视频，并生成适配不同平台风格的文档。核心能力包括自动语音识别、文本润色、格式转换和导出，适合自媒体运营、知识管理者和教育工作者使用。项目目前处于成长阶段，社区活跃，持续迭代中。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4030

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队hanshuaikang

所属国家

官网地址

GitHubhttps://github.com/hanshuaikang/AI-Media2Doc

定价模式free

价格说明开源项目，MIT许可证，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Vue

技术栈/模型ai,bilibili,chatgpt,openai,python,subtitles-generator,vue,xiaohongshu,youtube

GitHub 星标★ 4030

30天Star增速

HF 下载量

上线时间2025-04-12 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：Docker 4 步

环境要求

已安装 Docker（Windows 用户建议使用 wsl 启动）
下载项目首页提供的 docker-compose.yaml 文件
参考 variables_template.env 生成 variables.env 并填写环境变量
variables.env 必须与 docker-compose.yaml 放在同一目录（建议新建文件夹单独存放）

安装与启动步骤

1安装 Docker

先在机器上安装 Docker，README 未给出具体安装命令，请按官方或网上教程安装；Windows 玩家建议使用 wsl 启动本项目。
2下载编排文件

从项目首页下载 docker-compose.yaml 文件，放到一个新建的独立文件夹中备用。
3生成环境变量文件

参考项目中的 variables_template.env，在根目录生成 variables.env，并按后端部署指引完善其中的环境变量（该指引提到在火山引擎获取对应变量的值）。
4启动服务

确认 variables.env 与 docker-compose.yaml 在同一目录后，在该目录下执行命令，以 -d 方式后台启动容器。
```
docker-compose -f docker-compose.yaml up -d
```

关键配置

配置项	必填	说明	示例
`variables.env`	是	后端环境变量配置文件，内容参考 variables_template.env，必须与 docker-compose.yaml 同目录	`./variables.env`

如何确认成功

用 docker-compose ps 或 docker ps 查看容器状态为 Up 即启动成功；实际访问地址请查看 docker-compose.yaml 中的端口映射。

常见问题

Q：Windows 上怎么部署？

A：README 建议 Windows 玩家使用 wsl 启动该项目，先在 wsl 中装好 Docker，再按同样的 docker-compose 步骤执行。

Q：variables.env 应该放在哪里？

A：必须与 docker-compose.yaml 在同一目录下，建议新建一个文件夹单独存放这两个文件，否则可能读不到配置。

Q：需要本地安装 ffmpeg 吗？

A：不需要。项目前端采用 ffmpeg wasm 技术处理音视频，无需在本地安装 ffmpeg。

Q：环境变量的值从哪里获取？

A：README 指向后端 README 的配置项说明，其中提到在火山引擎获取对应环境变量的值，建议先阅读 backend/README.md 再填写。

Q：使用需要登录注册吗？

A：不需要登录注册，任务记录保存在本地；如果后端设置了访问密码，前端用户需要填写该密码才能正常使用。

注意事项

该项目为 MIT 协议开源，支持本地部署，数据与任务记录保存在本地。
下载 docker-compose.yaml 与生成 variables.env 的具体获取方式见项目首页和 backend/README.md，README 未给出对应命令。
若部署遇到问题，可通过公众号或首页置顶 issue 的微信交流群联系作者。
未来计划支持 fast-whisper 本地音频识别，当前版本以现有部署方式为准。

核心亮点

支持 Bilibili/YouTube 链接直接导入，免去手动下载
输出格式多样，覆盖小红书、公众号、思维导图等主流场景
集成 AI 润色，自动调整文案风格，适配不同平台调性

不足之处

依赖外部 AI API，需自行配置密钥，有使用成本
文档/社区待观察

适用场景

自媒体创作者将视频内容快速转为多平台文案
学生或职场人士将课程/会议录音整理为知识笔记
教育者将教学视频生成字幕或讲义

替代项目

Whisper、Buzz、SubtitleEdit

项目介绍

AI-Media2Doc 是写作内容领域的开源项目，由 hanshuaikang 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（4,030）位列前 30%，在写作内容分类的 183 个项目里位列前 8%。

近 42 天，它的 GitHub 星标从 3,968 增加到 4,030，净增 62。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，可自行部署使用，无付费版本。

它主要面向的使用场景是：自媒体创作者将视频内容快速转为多平台文案。同类可对比的替代方案包括 Whisper、Buzz、SubtitleEdit。

上一篇：The_Prompt_Report

下一篇：gpt_academic