推荐一个 GitHub 开源神器:自动下载视频、本地转录、AI 翻译总结,支持 B 站

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目，前端包括管理后台、微信小程序，后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、EAM、HRM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM实时聊天等功能：

• 多模块：https://gitee.com/zhijiantianya/ruoyi-vue-pro
• 微服务：https://gitee.com/zhijiantianya/yudao-cloud
• 视频教程：https://doc.iocoder.cn

01

下载、转录、翻译、整理笔记各归一个工具，中间还得手动倒腾文件，这是以前的常态。VidBee 把这几步装进同一个软件，素材进去，一个能搜索、能提问的资料库出来。

它省下的不是几个软件的窗口，是这四步之间那些手动倒腾的活。

素材有两个来源。一个是从一千多个视频站点直接下载，B 站在内；另一个是你电脑里本来就有的音视频文件，直接导进去也行。官方支持站点清单可以查，README 里举的例子包括 YouTube、TikTok、Twitter、Instagram、Facebook、Twitch 和 B 站。

除了桌面端还有两种形态。一套是可以用 Docker 部署的 Web 版加 API，家里有 NAS 就能跑成常驻服务，端口 3100 和 3000；另外还有一个浏览器扩展。三块共用同一个下载核心。

官网下载页上还有一句自我介绍挺实在，说对 yt-dlp 新手来说，它可以当成 Mac 和 Windows 上那个顺手的图形界面。

ruoyi-vue-pro

基于 Spring Boot + MyBatis Plus + Vue & Element & Ant Design 实现的后台管理系统 + 用户小程序，RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、HRM、EAM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM实时聊天等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro

视频教程：https://doc.iocoder.cn/video/

02

转录是这套流程里最重的一步，也是它和在线服务分开的地方。语音识别在你自己的电脑上跑，视频不用上传给任何平台。

可选模型有四个系列，Whisper、SenseVoice、Parakeet、Qwen3-ASR。软件会按你的电脑配置和语言推荐一个，在设置里能下载和切换。还有一条更省时的路径，原视频自带字幕时优先取字幕直接用，需要新转录才跑本地识别。

识别结果比一段纯文本多不少。说话人能自动分开，访谈里几个人轮流说话，每段前面都挂着名字；也可以指定人数，或者改标注而不动识别文字。每句话都带时间戳，搜到那句话点一下，播放器直接跳到那一秒接着放。

转录结果有三个出口。复制走，导出成纯文本或 Markdown，或者生成一个带字幕的新视频，字幕可选可关也能烧进画面。视频容器有 Auto(MP4/MKV)、MP4、MKV、WebM、Original 五种，音频也能单独存。

yudao-cloud

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element & Ant Design 实现的后台管理系统 + 用户小程序，RBAC权限、数据权限、SaaS多租户、商城、支付、审批工作流、大屏报表、ERP、CRM、WMS、MES、HRM、EAM、OA、FMS、PMS、AI大模型、AI工作流、AI Agent、IoT物联网、IM聊天等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

03

转录出来的文字可以直接在软件里过一遍 AI。内置了七个提示词，点总结、语法和标点清理、生成常见问题、提取数据、画思维导图、改写、翻译，点一下就跑。

模型这块不搞捆绑。可接的供应商有十一家，OpenAI、Anthropic、Google、DeepSeek、Groq、Azure、Hugging Face、OpenRouter、xAI、Ollama、LM Studio，也支持自建，填名称、Base URL、模型 ID 和 API key。国内服务和本地模型都能接。

提示词和模型是分开的。内置提示词能改，也能从头建新的，带上标题、图标和说明；换服务商不影响已经攒下的提示词库。API key 只存本地。

边界要说清楚。识别那一步在本地，AI 那一步取决于你选谁。跑提示词时，提示词和转录内容会发给配置的供应商；只有选 Ollama 或 LM Studio 这类本地端点，AI 那步才留在本机。

04

下载这边，粘一个链接就能下，批量链接、播放列表、整个频道都支持。队列能看到每个任务的实时进度、速度、文件大小和保存格式，暂停、恢复、重试、移除都在同一页，失败了不用重新排队。下完可以让它自动接着转录。

RSS 是给长期用的人准备的。常看的频道可以订起来，软件自己检查更新，有新内容就进下载队列。每个订阅能单独定规矩。

每条内容现在是排队中、下载中、完成还是失败，一眼能看清。它还能配合 RSSHub 用，把订阅来源扩到几乎任意站点。

下载时还有些细节能保住。标题、作者这些元数据可以嵌进文件，封面图能存下来当封面，章节标记保留，字幕能带的也带上。文件名风格、要不要按频道建子文件夹、默认存哪个目录，都能在设置里定。

05

安装包从官网下载页或 GitHub 的 Releases 拿，当前版本 v2.1.0。macOS 分 Apple Silicon 和 Intel，Windows 分带自动更新的安装版和免安装便携版，Linux 有 AppImage 和 deb。

装完先做一件事，去设置里下一个语音识别模型，软件会按电脑情况推荐，跟着选就行。

然后就是日常。找一期想看的外语视频，链接粘进去下载，下完它自己开始转录。转录完点一下翻译，或者先出个要点总结，看看值不值得细看；觉得值得，再对着带时间戳的原文慢慢过。想调提示词或换模型在设置里改。

06

先说一个不算缺点的缺点。项目还在活跃开发，偶尔有小毛病，好在更新挺勤，遇到问题可以去 GitHub 提 issue。

另一个变量是 AI 那步的质量。翻译和总结能做到什么水平，取决于你接的模型；模型一般，出来的东西也就一般。

还有个边界前面提过，识别在本地，AI 那步看供应商。真要全程不联网，就得选本地端点，代价是本地模型的效果通常不如云端。

版权这块写在前面。下载下来的内容建议留在个人学习和研究的范围里用，涉及版权的作品不要二次分发。至于给外语内容做翻译加解说算不算合规，没有统一答案，得按具体用途自己判断。

07

最后交代一句，我没装过 VidBee，也没跑过转录，上面的功能描述来自官方 README 与来源正文，效果类的东西建议自己拿一段视频试。仓库地址是 https://github.com/nexmoe/VidBee 。