filewizard

一个网页搞定文件转换、OCR、转写和配音

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 办公效率 🍴 复刻 75 🐛 待处理 4 👀 关注 6
GitHub ↗
GitHub 星标 ★ 1120
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

filewizard 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类办公效率
开发团队LoredCast
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议GPL-3.0
主要语言Python
GitHub 星标★ 1120
上线时间2025-09-17 00:00:00
代码更新2026-11-09
仓库体积1.8 MB
本站数据更新2026-11-13
维护状态活跃
收录时间2026-09-29
浏览次数2

项目介绍

FileWizard 是一个基于 Python 的开源 WebUI 工具,把文件转换、OCR 文字识别、语音转文字和文本转语音四类常用办公能力整合到一个网页界面中。用户无需安装多个命令行工具或付费软件,只需在浏览器里上传文件,就能完成 PDF/图片/文档格式互转、从扫描件或截图中提取文字、把音频或视频转成字幕文本,以及把文字合成语音。项目通过统一界面封装底层模型与转换库,降低使用门槛,适合个人和小团队处理日常文档与媒体素材。它解决的是办公场景中工具分散、操作繁琐、隐私数据需上传第三方的问题,本地部署后数据留在自己机器上。核心能力包括多格式文件转换、多语言 OCR、音频转写和 TTS 输出,整体定位是轻量级、可自托管的文档与语音处理工作台。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-09-29 · 当前星标 ★ 1120

使用教程

难度:入门 约 10 分钟 部署方式:Docker 8 步

环境要求

  • Docker 与 docker compose(推荐方式,镜像支持 linux/amd64 和 linux/arm64)
  • 手动部署需 Python 3.12
  • 手动部署需自行在 PATH 中准备所需转换工具:LibreOffice、Pandoc、Ghostscript、Tesseract、FFmpeg 等(完整列表见
  • 使用 GPU 转写需 NVIDIA 显卡并选用 cuda 镜像(仅 amd64)

安装与启动步骤

  1. 1获取项目文件

    从 GitHub 克隆仓库,后续要用到仓库里的 docker-compose.yml 模板

    git clone https://github.com/LoredCast/filewizard.git
    cd filewizard
  2. 2调整 compose 配置

    按需修改 docker-compose.yml,将 PUID/PGID 设为挂载目录的所有者(Unraid 常用 99/100)

  3. 3启动 Docker 容器

    在 docker-compose.yml 所在目录执行,镜像会从 Docker Hub 拉取并后台运行

    docker compose up -d
  4. 4(可选)手动部署准备

    不使用 Docker 时,需先克隆仓库并进入目录,同时确认转换工具已在 PATH 中

    git clone https://github.com/LoredCast/filewizard.git
    cd filewizard
  5. 5创建虚拟环境

    在项目目录下创建 Python 3.12 虚拟环境,避免污染系统环境

    python3 -m venv venv
  6. 6激活虚拟环境

    Linux/macOS 用 source;Windows 改用 venv\\Scripts\\activate

    source venv/bin/activate
  7. 7安装 Python 依赖

    安装全部依赖;若不需要 TeX、Inkscape、Docling 可改用 requirements_small.txt

    pip install -r requirements.txt
  8. 8手动启动服务

    执行项目自带启动脚本,默认监听 127.0.0.1:8000

    ./run.sh

关键配置

配置项必填说明示例
PUID否容器运行用户的 UID,应与挂载目录所有者一致99
PGID否容器运行用户的 GID,应与挂载目录所有者一致100
LOCAL_ONLY否本地模式开关;为 true 时无需登录,为 false 时启用 OIDC 认证true
settings.yml否配置文件,用于增删改转换工具及扩展支持的格式./settings.yml

如何确认成功

浏览器打开 http://localhost:6969(Docker)或 http://127.0.0.1:8000(手动),能看到拖拽上传界面即成功。

常见问题

Q:我该选哪个镜像?

A:loredcast/filewizard:latest 含全部工具;small 版去掉 TeX、Inkscape 和 Docling;cuda 版用于 NVIDIA GPU 转写,仅支持 amd64。

Q:从 0.4 版本如何升级?

A:执行 docker compose pull && docker compose up -d 即可,任务历史可保留。但升级前请先阅读 docs/docker.md 的升级说明,应用不再以 root 运行。

Q:手动部署提示找不到转换工具?

A:需自行安装 LibreOffice、Pandoc、Ghostscript、Tesseract、FFmpeg 等并确保在 PATH 中,完整工具列表可参考项目 Dockerfile。

Q:为什么同一网络的人都能访问和改设置?

A:LOCAL_ONLY 模式没有登录。请只在可信网络中使用,或设置 LOCAL_ONLY=False 启用 OIDC 认证。

注意事项

  • LOCAL_ONLY 模式下任何人只要能访问端口就能使用应用并修改设置,务必限制网络访问。
  • 转换器会处理不受信任的文件,运行容器时只挂载必要的卷。
  • 手动部署更新时执行 git pull,再重跑 pip install 并重启,设置与任务历史会保留。
  • Docker 与手动部署的端口不同:Docker 默认 6969,手动启动为 8000。

核心亮点

  • 四类办公能力集成在同一 WebUI,免去在多个工具间切换
  • 支持本地部署,文档和音频不必上传到第三方服务
  • Python 实现,便于二次开发和接入自有模型

不足之处

  • 功能依赖多个底层模型与转换库,首次部署和环境配置可能较繁琐
  • 项目处于成长阶段,文档和社区生态相对有限

适用场景

  • 把扫描版 PDF 或图片批量 OCR 成可编辑文本
  • 将会议录音或视频转写成文字稿并导出字幕
  • 把整理好的文稿用 TTS 合成为语音文件用于播报

替代项目

Stirling PDF、OCRmyPDF

上一篇:StudyLion

下一篇:Windrecorder

同类项目推荐

android-lumo 开源

用 Proton 生态的加密技术,管好你的密码。

Android application for Proton Lumo

★ 404 2026-08-09
md2wechat-lite 开源

用 Markdown 写公众号,命令行一键排版,告别手动调样式

md2wechat Lite | 轻量版微信公众号 Markdown 排版 CLI,免费开源

★ 88 2026-08-09
websum 开源

一条命令把网页和视频变成要点摘要

Summarize web pages and YouTube videos with pluggable LLM backends (Ollama, OpenAI).···

★ 128 2026-11-12
doclytics 开源

给 paperless-ngx 接上本地大模型,文档自动读懂并打标

A document analyzer for paperless-ngx using ollama

★ 152 2026-10-29
doctor 开源

把 PDF、扫描件批量转成可提取文本的微服务

A microservice for document conversion at scale

★ 139 2026-09-30
mkdocs-llmstxt 开源

给 MkDocs 文档站自动生成面向大模型的 llms.txt 索引

MkDocs plugin to generate an /llms.txt file (https://llmstxt.org/).

★ 132 2026-10-24
archive-pdf-tools 开源

批量生成压缩 PDF,日处理百万页

Fast PDF generation and compression. Deals with millions of pages daily.

★ 156 2026-10-30
textfold 开源

长文一键折叠成五层,先看概览再钻原文

Fold papers, web pages, files, and AI replies into five levels of detail. Zoom from ···

★ 1036 2026-11-06
surf 开源

把文件和网页丢进去,AI 自动帮你生成笔记

Personal AI Notebooks. Organize files & webpages and generate notes from them. Open ···

★ 3644 2026-08-09