filewizard

一个网页搞定文件转换、OCR、转写和配音

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。

开源 free 办公效率

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1116

维护状态活跃

是否开源是

定价模式 free

项目数据

分类办公效率

开发团队LoredCast

所属国家

官网地址

GitHubhttps://github.com/LoredCast/filewizard

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型

GitHub 星标★ 1116

30天Star增速

HF 下载量

上线时间2025-09-17 00:00:00

最近更新2026-09-28 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-29

浏览次数0

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（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激活虚拟环境

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

项目介绍

filewizard 是办公效率领域的开源项目，由 LoredCast 开发，2025 年首次发布。

在全站 13,276 个收录项目中，它的 GitHub 星标数（1,116）位列前 30%，在办公效率分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-28。开源免费，需自行部署。

它主要面向的使用场景是：把扫描版PDF或图片批量OCR成可编辑文本。同类可对比的替代方案包括 Stirling PDF、OCRmyPDF。

上一篇：StudyLion

下一篇：Windrecorder