❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦
🎥 "你的视频笔记该进化了！开源神器把2小时网课压成5分钟脑图"
大家好，我是蚝油菜花。当知识博主还在手敲视频字幕时，这个AI工具已经让学习笔记进入「全自动时代」！
你是否经历过这些崩溃场景：
- 📺 看完教程想整理重点，却发现根本没做时间戳标记
- 🖊️ 手抄PPT内容到手抽筋，关键图表却无法直接复用
- 💻 想搜索视频里的某个概念，只能在进度条上来回拖动...
今天要解剖的 BiliNote ，正是破解这些痛点的「视频学习加速器」！这个由开发者社区打造的开源神器，用三大核心理念重构知识管理：
- ✅ 全栈解析能力：从语音转写到关键帧截取，实现多模态内容提取
- ✅ 智能结构化：自动生成带跳转链接的Markdown文档，支持深度搜索
- ✅ 模型自由配置：兼容OpenAI/DeepSeek等多类大模型，满足定制需求
已有教育机构用它批量处理慕课视频------准备好迎接认知效率革命了吗？
🚀 快速阅读
BiliNote是基于现代Web技术栈开发的智能化视频内容处理工具。
- 核心功能：实现跨平台视频解析、语音转写、智能摘要与结构化文档生成
- 技术原理：采用FastAPI构建微服务架构，结合React实现交互界面，支持多模态AI模型集成
BiliNote 是什么
BiliNote 是基于微服务架构设计的智能视频处理系统，通过整合语音识别、大语言模型和计算机视觉技术，实现视频内容到结构化文档的自动化转换。该系统支持哔哩哔哩、YouTube等主流视频平台，提供从URL解析到最终文档输出的完整处理链路。
其技术架构采用前后端分离设计，后端使用FastAPI搭建高性能REST API服务，前端基于Vite+React构建交互界面。系统支持本地部署的Whisper语音识别模型，同时兼容多类云端大模型接口，在保证处理效率的同时兼顾隐私安全。
BiliNote 的主要功能
- 跨平台解析：支持哔哩哔哩、YouTube等视频链接自动识别与内容抓取
- 多模态处理：同步执行语音转写、关键帧截取与文字内容分析
- 智能结构化：自动生成带章节跳转链接的Markdown文档
- 模型可配置：支持OpenAI/DeepSeek/Qwen等多类大模型接口切换
- 历史追溯：完整记录处理任务日志与生成版本
BiliNote 的技术原理
- 服务架构：采用FastAPI构建异步微服务，处理峰值并发请求
- 转写引擎：集成Fast-Whisper实现本地化语音识别
- 内容分析：通过大模型提取视频语义结构并生成摘要
- 渲染系统：使用React动态渲染Markdown文档与交互元素
- 部署方案：提供Docker容器化部署配置，支持快速环境搭建
如何运行 BiliNote
快速开始
1. 克隆仓库
bash
git clone https://github.com/JefferyHcool/BiliNote.git
cd BiliNote
mv .env.example .env2. 启动后端（FastAPI）
bash
cd backend
pip install -r requirements.txt
uvicorn app.main:app --reload3. 启动前端（Vite + React）
bash
cd BiliNote_frontend
pnpm install
pnpm dev访问：http://localhost:5173
依赖说明
FFmpeg
本项目依赖 ffmpeg 用于音频处理与转码，必须安装：
bash
# Mac (brew)
brew install ffmpeg
# Ubuntu / Debian
sudo apt install ffmpeg
# Windows
# 安装 ffmpeg：https://ffmpeg.org/download.html⚠️ 若系统无法识别 ffmpeg，请将其加入系统环境变量 PATH
CUDA 加速（可选）
若你希望更快地执行音频转写任务，可使用具备 NVIDIA GPU 的机器，并启用 fast-whisper + CUDA 加速版本：
具体 fast-whisper 配置方法，请参考：fast-whisper 项目地址
使用 Docker 一键部署
确保你已安装 Docker 和 Docker Compose：
1. 克隆本项目
bash
git clone https://github.com/JefferyHcool/BiliNote.git
cd BiliNote
mv .env.example .env2. 启动 Docker Compose
bash
docker compose up --build默认端口：
前端：[http://localhost:{FRONTEND_PORT}](https://link.juejin.cn?target=http%3A%2F%2Flocalhost%3A%24%257BFRONTEND_PORT%257D "http://localhost:%7BFRONTEND_PORT%7D")
后端：[http://localhost:{BACKEND_PORT}](https://link.juejin.cn?target=http%3A%2F%2Flocalhost%3A%24%257BBACKEND_PORT%257D "http://localhost:%7BBACKEND_PORT%7D")
.env 文件中可自定义端口与环境配置。
环境变量配置
后端 .env 示例：
ini
API_BASE_URL=http://localhost:8000
OUT_DIR=note_results
IMAGE_BASE_URL=/static/screenshots
MODEL_PROVIDER=openai
OPENAI_API_KEY=sk-xxxxxx
DEEP_SEEK_API_KEY=xxx
QWEN_API_KEY=xxx资源
- GitHub 仓库 ：github.com/JefferyHcoo...
- 在线体验 Demo ：www.bilinote.app/
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦