在快节奏的学习和工作中，现在视频已经逐渐成为了我们获取信息的主要载体。

然而相对文字稿件来说，虽然视频的内容表现形式更多样，但信息密度要明显更低。

完整观看一部长视频不仅容易耽误时间，而且当我们需要对某段关键信息进行复盘，或想要快速定位某个知识点时，单纯依靠拖拽进度条既不方便，也难以做到精准定位。

为了解决这个痛点，今天向大家分享一款非常实用的开源工具——AI-Video-Transcriber，该项目在GitHub上已经收获了2.2K的Star。

https://github.com/wendy7756/AI-Video-Transcriber/

作为一款高度自动化的视频转录与摘要工具，AI-Video-Transcriber全面兼容 YouTube、Bilibili、抖音等 30 多个国内外主流视频平台，只需要将在线视频的网址粘贴进去，即可将视频转录成文字版本，而且完美支持移动设备浏览器，随时随地都能方便使用。

不同于生硬的机器听写，它在转录后会自动进行错别字修改、句子完整化处理和智能分段，生成的文本排版清晰，可读性很强。

这个项目核心的语音转文字环节使用了Faster-Whisper模型，完全可以在本地设备上离线运行，这不仅保护了视频数据的私密性，而且还能节约在线语音转译的Token费用。

只有在最后对长文本生成 AI 摘要或翻译时，才可以根据需要，自行选择是否调用在线大语言模型，而且Token用量极低。

由于原版项目的默认环境更偏向于Linux本地部署，而且要求使用OpenAI的API服务，所以本期教程中，将为大家详细展示如何进行本地化魔改，让它完美适配NAS环境。

一、部署流程

这里我们来展示如何在威联通NAS上使用Docker形式部署AI-Video-Transcriber，用到的设备是威联通最新的8盘位旗舰新品Qu805。

AI-Video-Transcriber在初次部署时需要进行一次build构建操作，所以没法直接使用docker compose代码方式进行部署，和我们之前介绍的其他项目略有不同。

如下图所示，我们需要先去GitHub下载打包后的项目文件ZIP压缩包：

将ZIP压缩包解压后，可以看到文件夹中的docker-compose.yml和Dockerfile文件。我们需要使用notepad++之类的软件打开它们，进行一些修改，才能适配NAS的部署环境。

1.修改Dockerfile文件

首先我们修改Dockerfile文件，大家可以直接覆盖掉原始代码，然后参考修改后代码的注释来做个性化修改。

# AI视频转录器 Docker镜像 - 使用标准镜像确保兼容性
FROM python:3.9-slim


# 设置工作目录
WORKDIR /app


# 安装系统依赖
RUN sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list.d/debian.sources 2>/dev/null || true && \
    sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list 2>/dev/null || true && \
    apt-get update && apt-get install -y --no-install-recommends \
    ffmpeg \
    curl \
    gcc \
    g++ \
    && rm -rf /var/lib/apt/lists/*


# 复制requirements.txt并安装Python依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple


# 复制项目文件
COPY . .


# 【新增的修改代码】
# 1.修复前端 localhost 报错，便于NAS部署
RUN find static -type f -name "*.js" -exec sed -i 's|http://localhost:8000||g' {} + && \
    find static -type f -name "*.js" -exec sed -i 's|http://127.0.0.1:8000||g' {} +


# 2. 强制 Whisper 输出简体中文+强制使用 IPv4 网络
RUN echo "import socket" >> backend/__init__.py && \
    echo "old_getaddrinfo = socket.getaddrinfo" >> backend/__init__.py && \
    echo "def new_getaddrinfo(*args, **kwargs):" >> backend/__init__.py && \
    echo "    return[r for r in old_getaddrinfo(*args, **kwargs) if r[0] == socket.AF_INET]" >> backend/__init__.py && \
    echo "socket.getaddrinfo = new_getaddrinfo" >> backend/__init__.py && \
    echo "try:" >> backend/__init__.py && \
    echo "    import faster_whisper" >> backend/__init__.py && \
    echo "    _orig = faster_whisper.WhisperModel.transcribe" >> backend/__init__.py && \
    echo "    def _patched(self, *args, **kwargs):" >> backend/__init__.py && \
    echo "        if 'initial_prompt' not in kwargs:" >> backend/__init__.py && \
    echo "            kwargs['initial_prompt'] = '以下是一段普通话，请务必使用简体中文输出。'" >> backend/__init__.py && \
    echo "        return _orig(self, *args, **kwargs)" >> backend/__init__.py && \
    echo "    faster_whisper.WhisperModel.transcribe = _patched" >> backend/__init__.py && \
    echo "except Exception:" >> backend/__init__.py && \
    echo "    pass" >> backend/__init__.py


# 3. 将后端代码中可能写死的 GPT 模型强制替换为 DeepSeek 模型
RUN find backend -type f -name "*.py" -exec sed -i 's/gpt-3.5-turbo/deepseek-chat/g' {} + && \
    find backend -type f -name "*.py" -exec sed -i 's/gpt-4o/deepseek-chat/g' {} + && \
    find backend -type f -name "*.py" -exec sed -i 's/gpt-4/deepseek-chat/g' {} +
# =========================================================================
# 创建临时目录
RUN mkdir -p temp


# 设置环境变量
ENV HOST=0.0.0.0
ENV PORT=8000
ENV WHISPER_MODEL_SIZE=base


# 暴露端口
EXPOSE 8000


# 健康检查
HEALTHCHECK --interval=30s --timeout=30s --start-period=5s --retries=3 \
    CMD curl -f http://localhost:8000/ || exit 1


# 启动命令
CMD ["python3", "start.py", "--prod"]

这里我对Dockerfile文件改动的地方主要有4处。

  • 1.将项目依赖项的下载网址替换为国内镜像源，避免过于冗长的部署时间。
  • 2.AI-Video-Transcriber项目的原始代码是针对Linux系统本机环境来写的，我们使用NAS部署时，需要对网络环境部分进行修改来适配；
  • 3.AI-Video-Transcriber默认使用Faster-Whisper语音转文字模型，该模型在训练时使用了大量繁体中文视频的资源，默认情况下转录出的文字会有部分繁体字，这里我将其强制指定为使用简体中文输出。
  • 4.AI-Video-Transcriber的默认设置中，使用OpenAI的GPT模型来进行摘要、整理等工作，这里我选择将其替换为更加易用的deepseek-chat模型，大家也可以根据自己的需求灵活修改。

2.修改docker-compose.yml文件

接下来我们docker-compose.yml文件，还是将修改后的代码直接替换原始代码，然后根据实际情况修改其中的部分内容。

services:
  ai-video-transcriber:
    build: .
    ports:
      - "8000:8000"
    environment:
      # 必需：OpenAI API密钥
      - OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx
      # 可选：自定义OpenAI端点
      - OPENAI_BASE_URL=https://api.deepseek.com/v1
      # 可选：Whisper模型大小
      - WHISPER_MODEL_SIZE=base
      # 指定 AI 模型为 deepseek-chat
      - FAST_MODEL=deepseek-chat
      - SMART_MODEL=deepseek-chat


      # 服务器配置
      - HOST=0.0.0.0
      - PORT=8000     


      # HuggingFace 国内镜像源，解决模型下载失败
      - HF_ENDPOINT=https://hf-mirror.com 


    # 强制指定公网 DNS，解决威联通内网无法解析 DeepSeek 域名的问题
    dns:
      - 223.5.5.5      
      
    volumes:
      # 挂载临时文件目录，便于查看和管理下载的文件，根据实际情况修改
      - /share/Container/AI-Video-Transcriber/temp:/app/temp
      # 挂载模型存放目录，避免反复下载
      - /share/Container/AI-Video-Transcriber/models:/root/.cache/huggingface/hub      
    restart: unless-stopped
    
    # 资源限制（可选）
    deploy:
      resources:
        limits:
          memory: 2G
        reservations:
          memory: 1G

这里在原始代码的基础上做了如下几处修改：

  • 1.将算力服务商的URL从OpenAI更换为DeepSeek。
  • 2.将文字摘要的模型指定为deepseek-chat。
  • 3.AI-Video-Transcriber在首次部署时需要下载faster-whisper模型文件，这里将下载地址替换为HuggingFace的国内镜像源，避免模型下载失败的问题。
  • 4.为了避免每次部署时都反复下载模型，这里挂载了NAS上的模型存放目录。

大家在部署时可以根据实际情况进行修改这些设置：

  • 1.docker的映射端口，默认为8000，可以修改成其他端口。
  • 2.文字模型的URL和API密钥。
  • 3.AI-Video-Transcriber支持5种不同大小的Whisper模型，默认为base，可以根据实际硬件配置来灵活更换。注意模型参数量越大，内存占用越高。如果想要使用 large 模型，建议将 memory: 2G 的限制至少修改为 4G 甚至更高，以免转录时容器因内存不足而崩溃。
  • 4. volumes部分挂载的NAS目录一定要根据实际情况进行修改，不要照搬。

3.上传文件夹

将Dockerfile和docker-compose.yml文件修改完成后，我们将整个文件夹上传到NAS，并自己修改一下文件夹名，比如这里我使用的地址是/share/Container/AI-Video-Transcriber。

接下来在此文件夹中新建temp和models两个空白文件夹，用来和docker-compose.yml中映射目录相对应。

4.SSH登录NAS，部署Docker

如下图所示，接下来咱们启用NAS的SSH功能：

使用Putty或者FinalShell之类的软件，通过NAS的IP地址登录命令行后台，使用cd命令进入刚才我们上传的/share/Container/AI-Video-Transcriber文件夹中，命令如下：

cd /share/Container/AI-Video-Transcriber

接下来使用sudo提权，输入以下代码构建并部署AI-Video-Transcriber的Docker，由于我们已经给依赖项替换了国内镜像源，所以部署速度非常快。

sudo docker compose up -d --build

待看到Network Created和Container Started的提示字样时，AI-Video-Transcriber就已部署完成了。

此时可以在Container Station中看到正在运行的容器：

二、使用方法

接下来只要在PC或者手机浏览器中输入 http://<NAS IP>:<端口号>，比如http://192.168.10.70:8000，就可以直接访问项目页面并使用了。

在输入框中粘贴Bilibili、抖音等平台的视频链接，选择希望生成摘要的语言，点击"开始转录"按钮，即可开始进行转录操作，并且能够看到下载视频、提取音频、转录、优化和摘要等每一步的实时进度。

这里我用自己之前做的一个小视频进行尝试，转录出来的结果还是比较准确的，而且通过AI也进行了自动错别字修正、句子完整化和智能分段等优化处理。

在AI的加持下，也可以看到这个视频的智能摘要，更方便提纲挈领。

如下图所示，当所选摘要语言与检测到的转录语言不一致时，转录文本默认会显示视频的原始语言：

并且此时它会显示第三个标签页"翻译"，包含通过调用deepseek-chat进行翻译后的结果：

同时在智能摘要部分，依然会显示我们在部署时设置的简体中文：

总结

通过以上完整的部署与修改流程，我们已经成功在威联通 NAS 上搭建起了属于自己的 AI 视频转录与摘要平台。

回顾整个项目，AI-Video-Transcriber 巧妙地将本地算力与云端大模型结合在了一起，利用NAS本地运行的Faster-Whisper模型实现零成本语音转文字；再借助DeepSeek等大模型的高性价比API完成最终的智能摘要与内容提取。

如果你经常需要整理网课笔记、查阅外文技术视频或者快速提取长视频的核心内容，相信这款工具一定会成为你提升生产力的利器。如果你觉得这个项目对你有帮助，不妨去GitHub上给原作者点个 Star；如果在部署过程中遇到其他疑问，也欢迎在评论区留言交流。

5
1