有哪些方式可以解析 B 站、抖音的视频的文本？

你问下 ai ，它会帮你安装音频转文字，再帮你提炼。
豆包也可以提炼抖音视频的内容

yt-dlp 下载音频， 本地大模型 ASR 转文字。

用 wispher 模型转换一下？

抖音可用豆包

这么巧，今天刚发现了一个，https://github.com/moonjoin/tampermonkey-scripts 。这个作者写了三个插件，一个是 bilibili 总结，一个是网页总结，另一个可以把总结内容加入到某笔记的插件。需要自己添加 ai 的 key ，不过在作者的 github 最下方有推荐，小米的 ai 有推广活动，填写作者的推荐码，可以获得 10 元的体验。我就不厚脸皮发我的推荐码了，建议填一下作者的算是对作者的支持了。

yt-dlp + whisper + 随便找个 LLM 总结 自己写个脚本感觉不会很难

如果大部分的内容都是文字稿转视频配上动画的,确实语音转文字是个不错的省流方案,要是配合本地语音模型加上 llm 感觉是个不错的方案,先 mark 回头手搓一个

绝大多数的“总结”方案都是直接扒字幕的。

也就是说，如果你要的视频观点、内容主要以语言的形式呈现，那么效果就不错。
如果是以视觉效果呈现，成本就比较高了。

举个例子，比如有的 up 喜欢说“结论如图”/“自己截屏查看”，这种情况市面上的“总结”方案就做不到。

@sentinelK 对的，有些视频没有字幕或者某些敏感内容只有语音没有字幕时候就缺失

找 AI 做一个呗，不过用 whisper 转录最好有显卡，纯 CPU 转不是一般的慢，往往是音频时长的 3 倍
一个使用 yt-dlp 自动下载，一个扫描下载目录按预设参数和提示词生成笔记

https://imgur.com/a/JGdENKm