（9293期）vsum – 视频字幕 AI 总结神器

视频字幕 AI 总结神器 自动化提取 YouTube/Bilibili 字幕并生成 AI 结构化摘要，一键输出 Markdown 文档 使用说明 核心用法 Vsum 是一款命令行视频摘要工具，通过整合 yt-dlp 与多厂商 AI API，实现 YouTube 和 Bilibili 视频的字幕自动提取与智能总结。用户只需提供视频链接，系统自动识别平台、获取字幕（支持自动生成字幕与人工字幕）、调用 AI 生成结构化摘要，最终输出标准化的 Markdown 文档。 显著优点 跨平台支持：同时覆盖 YouTube（国际）与 Bilibili（国内）两大主流平台 自动化程度高：从链接识别、字幕下载到 AI 总结全流程自动化，无需手动干预 输出标准化：固定 Markdown 模板包含视频元信息、总结正文、关键要点，便于存档与二次编辑 灵活兼容：支持任意 OpenAI 格式 API（OpenAI、Anthropic、OpenRouter、jiekou.ai 等） 长视频适配：内置分段处理逻辑，可预览后决定是否完整总结，避免 Token 超限 潜在缺点与局限性 依赖外部字幕源：无字幕视频无法处理（不支持语音转文字） B站需登录态：必须通过浏览器 Cookie 获取认证，配置门槛较高 网络环境敏感：yt-dlp 与海外 AI API 均可能受地区网络限制 语言覆盖有限：字幕语言依赖视频上传者或平台自动生成，小语种支持不稳定 无视频画面分析：纯文本总结，无法识别 PPT、图表、演示画面信息 适合人群 知识工作者：快速消化长视频课程、演讲、播客内容 内容创作者：竞品分析、素材整理、脚本参考 研究人员：学术讲座、会议录屏的文献化管理 多语言用户：借助 AI 翻译总结外语文档 常规风险 隐私泄露：B站 Cookie 读取涉及账号敏感信息，需确保本地环境可信 API 成本：长视频字幕 Token 消耗大，需注意 AI 调用费用 版权边界：下载与再加工他人视频字幕需遵守平台 ToS 与著作权法规 准确性偏差：AI 总结可能遗漏细节或误读语境，关键信息需人工复核 原始说明 视频 summarizer，支持 YouTube 和 Bilibili 视频自动获取字幕并 AI 总结，输出为 md 格式。适用于：用户给出一个视频链接，希望总结内容。