AI-Media2Doc 基于 AI 大模型, 一键将视频和音频转化为各种风格的文档, 无需登录注册, 前后端本地部署，以极低的成本体验 AI 视频/音频转风格文档服务。
项目概览
AI-Media2Doc 是一个完全开源（MIT 许可证）的 Web 工具，旨在将音频和视频内容一键转化为多种风格的文档，如小红书、微信公众号文章、知识笔记、思维导图、视频字幕等。
- 无需登录注册：项目设计强隐私保护，所有任务记录保存在本地。
- 前后端本地部署：支持用户在自己的环境中运行，无需依赖外部服务器。
- 前端采用 ffmpeg-wasm 技术：无需安装本地的 ffmpeg，即可在浏览器中处理音视频文件 。
- 支持丰富文档风格：生成内容包括小红书、微信公众号、知识笔记、思维导图、内容总结等
- AI 二次对话功能：可针对视频内容进行 AI 问答、进一步互动或内容扩展。
- 字幕导出 & 智能截图：
- 支持一键导出字幕文件。
- 能基于字幕信息自动截图，并插入到文章中，实现图文结合，无需视觉大模型 。
- 自定义 Prompt：前端允许用户配置自定义提示词（prompt）
- Docker 一键部署：项目支持使用 Docker 镜像快速部署，方便上手和集成
技术与更新亮点
- 项目由汉数（hanshuaikang）发起，目前已有约 2.2k Stars 和 268 Forks，说明社区关注度较高
- 项目首次创立于 2025 年 4 月 12 日，最近一次更新（v0.5.1）发布于 2025 年 8 月 3 日，添加了包括增强截图精度、多文件处理性能优化、Markdown 表格支持等功能
- 本地部署指南完善，包括 Docker 镜像构建、
variables.env配置与make run启动流程
使用流程概览（高层）
- 本地部署：通过 Docker 构建镜像，配置环境变量后执行
make run，快速启动服务。 - 上传音/视频文件：用户在前端界面上传文件。
- AI 转写与生成文档：系统自动识别音频内容（如使用 Whisper 技术），并生成结构化内容与文档，例如思维导图、笔记、公众号文章等。
- 互动与调整：用户可通过 AI 进行内容询问或调整，同时支持截图嵌入、字幕导出与自定义 Prompt 设置。
- 导出结果：完成后可导出文档、字幕，以及图文混排稿件，提升后续编辑效率。
适用场景与目标用户
- 自媒体创作者：快速将视频内容转为适配不同平台的图文格式。
- 学习者 / 学术记录者：将课程视频快速整理成笔记或思维导图。
- 企业 / 内部分享：用于会议录音转文档，便于归档与分享。
- 隐私敏感用户：愿意在本地部署避免数据上传云平台风险。
未来规划与社区响应
- 长远目标包括使用本地 fast-whisper 大模型进一步提升离线识别效率与准确率。
- 社区也期待更便捷的一键部署面板（1-panel 部署）以降低使用门槛。
总结：
AI-Media2Doc 是一个强隐私、开源、部署简便的工具，将视频和音频内容智能转化为多样化、高质量文档，对自媒体创作、学习笔记整理等场景非常实用。
你若想进一步了解如何部署、使用 Docker 或调试具体功能，也可以告诉我，我可以继续帮你解答！
