把 B 站、YouTube 和本地视频自动转写、总结成图文笔记与思维导图的桌面工具，笔记全部落本地 SQLite，还能跨视频做 RAG 检索问答并导出到 Obsidian。
适合刷 B 站技术/课程视频的自学者 · 已有 Obsidian 知识库的人 · 在意隐私、想离线跑的用户
亮点
图文笔记按画面重组
VLM 先读截图客观事实，再以画面为线索重排文章，每张图跟在对应段落后，不堆在末尾。
跨视频 RAG 问答
所有笔记进本地向量库，语义+关键词混合检索，可对几十个视频统一提问并回溯来源。
数据全落本地
转写、笔记、截图存在本机 SQLite 与数据目录，配本地 Whisper/FunASR 与本地 LLM 可完全断网跑。
B 站细节做得深
内置扫码登录过风控、自动识别分 P 并批量建任务，还能聚合全集生成一篇总笔记。
功能说明
转写引擎
FunASR 本地识别
阿里 QwenASR 引擎，中文表现优于 Whisper，支持 VAD、自动标点与说话人分离。
长音频切片并发
SiliconFlow ASR 自动切片并发识别，突破单次 60 分钟时长限制。
多模态 ASR
支持 OpenAI 兼容音频模型，切片时长与重试次数可自行调节。
本地 Whisper
可选 CPU 或 CUDA 后端，无需任何云端 API 也能完成转写。
笔记与输出
结构化摘要
识别论点、案例、结论生成知识卡片，不满意可换模型一键重跑。
思维导图
ReactFlow 渲染放射状知识网络，支持缩放拖拽与节点高亮。
转写全文定位
章节时间轴加关键句定位，数学公式与代码块自动格式化。
Obsidian 导出
Markdown 或 Obsidian 格式一键打包笔记与截图，便于接入既有库。
进阶能力
视觉模型独立配置
画面理解可脱离主 LLM 单配，OpenAI/Anthropic/兼容端点自动适配格式与认证。
Pegasus 视频理解
本地视频可选调用 Twelve Labs Pegasus 直接看画面，补足字幕缺失的信息。
标签知识网络
自动或手动打标签，D3 力导向图可视化标签之间的关联关系。
桌面端自动更新
Windows/macOS 自绘窗口栏，设置页可一键检查并安装新版本。
适合场景
刷 B 站技术/课程视频的自学者
把几十小时视频转成可检索笔记，复习时直接问知识库而不用重看
已有 Obsidian 知识库的人
导出格式原生适配，视频笔记能带截图一起并入既有仓库
在意隐私、想离线跑的用户
本地 Whisper/FunASR 加本地 LLM 组合可全程不联网，数据不出本机
需要处理本地录屏、演示视频的人
可选 Pegasus 直接理解画面操作，弥补纯语音转写抓不到的界面信息
取舍
选它的理由
- B 站扫码登录+分 P 批量，处理系列课程很顺
- 图文笔记的配图位置真的贴在对应段落旁
- 本地 FunASR 中文转写准确率高且不花 API 钱
- 笔记能直接导出 Obsidian，不锁在软件里
先想清楚
- 不想申请也不想付费用任何 AI API
- 只想偶尔看一个视频的大意
- 主力机是 Linux 桌面
- 自己不带模型，LLM 与 Embedding 都得自备 Key
安全警示
- 工具通过 yt-dlp 与 B 站扫码登录抓取内容，需保存账号 Cookies，账号存在被平台风控的可能
- 个人开发者小众项目，社区审计有限，配置的多家 AI 服务 API Key 均以本地明文形式保存，请勿在公用电脑使用
基于公开资料与 AI 分析整理，仅供参考，请自行核实。
同类推荐
查看全部更多「音视频工具」软件
Shutter Encoder
音视频工具开源由视频剪辑师开发的开源转码工具，用图形界面封装 FFmpeg，支持几乎所有音视频图像格式，并能对部分编码做无重编码剪切、字幕烧录与批量队列输出。
MX Player
音视频工具免费增值亚马逊旗下的安卓本地视频播放器，主打 HW+ 硬件解码、多核解码和字幕手势操作，几乎通吃各种冷门格式；近年内置大量 OTT 流媒体内容与广告。
Carrot Waxxer's Stash Plugins
音视频工具开源为 Stash 媒体管理器补齐元数据导出、文件整理与资料匹配的插件集合，特色是连接 Jellyfin/Emby 与 StashDB；文件按路径管理，也可先挂载远程存储。
uosc
音视频工具开源uosc 是 mpv 播放器的 Lua 界面脚本，用光标接近度控制 UI 显隐，提供可搜索菜单、缩略图预览、字幕下载与自定义控制栏，把裸奔的 mpv 变成完整可点的播放界面。
ComfyUI-RH-MiniMax-H3
音视频工具开源把 MiniMax-H3 音视频联合生成模型接入 ComfyUI 的插件，支持文生视频+音频、首尾帧驱动和多模态参考三种任务，靠 INT8 量化与分层卸载在单张 24GB 显卡上跑完整流程。
MAW
音视频工具开源MAW（Moy's ASR Workflow）是以 API 转写为主的字幕生成与编辑工具，将本地媒体转为 SRT 和 .mosp 工程，再通过 MAWE 校对、编辑与导出。它支持多家转写服务、双轨字幕联动和命令行批处理；编辑与工程保存在本机，选择云端转写时媒体会上传到对应服务商。
AI 整理的软件知识库
AI 整理软件资料、版本动态、更新通知、订阅权益与对比分析，沉淀可复用的工具知识。