Bili2text：B站视频语音转文字工具

软件介绍

Bili2text 将视频获取、音频提取与语音识别连接起来，把 Bilibili 视频中的讲话整理为文字。适合为自己拥有或获准处理的课程、演讲和访谈制作可检索笔记。

早期版本以 Whisper 转写为主；当前作者项目已提供多种转写引擎和运行入口。项目支持本地与云端处理，具体数据流向取决于所选引擎及配置。

转写流程

1. 准备获授权的视频链接、BV 号或本地媒体文件。
2. 选择转写语言、引擎及输出位置，先测试一段短内容。
3. 等待媒体处理和识别完成，检查输出文件与原视频是否对应。
4. 回听人名、数字、术语和难以辨认的片段，再整理成讲义或笔记。

转写稿反映识别结果，不自动验证讲话内容或生成可靠引用。杂音、重叠发言和背景音乐都会影响质量。

引擎与运行环境

当前项目列有本地 Whisper、SenseVoice 和云端转写选项。本地模型需要下载权重并占用计算资源；云端服务会接收相应媒体或音频，并可能产生费用。

当前 README 使用 Python 3.10–3.12 与 uv，并按 extras 安装所选引擎。旧依赖安装方法不应直接套用到新版；先下载并审阅对应版本源码，再按项目说明同步环境。

配置与操作入口

已按当前文档准备源码和依赖后，可在项目目录启动配置向导：

uv run bili2text init

向导会根据引擎选择提示所需组件。命令行用法与可选入口可通过帮助查看：

uv run bili2text --help

桌面窗口和 Web 界面按所选版本配置，不默认开放远程服务；接口密钥保留在自己的环境中。

项目入口

使用声明

本文由 MENTUKEJI 根据项目官网、官方文档及公开资料整理。工具功能、价格、授权方式及服务条款可能随时调整，请以官方最新信息为准。

引用本文内容请注明来源并保留原文链接；如需全文转载，或发现内容错误、版权及授权问题，请联系：[email protected]。