AI-Media2Doc：开源AI神器，一键将音视频秒变小红书笔记、公众号爆款文章与思维导图

💡 站外导读：在信息爆炸的时代，音视频已成为知识传递和内容创作的主要载体，但从中高效提取、整理和复用信息却是一大痛点。AI-Media2Doc应运而生，它是一款基于大模型的开源工具，旨在彻底解放内容创作者、学生和研究人员的生产力，将繁琐的整理工作自动化。

AI-Media2Doc是什么

AI-Media2Doc 是开源的音视频转文档工具，基于AI大模型技术，支持将音视频内容智能转换为小红书笔记、公众号文章、知识笔记、思维导图和视频字幕等多种文档形式。工具支持纯前端处理，无需本地安装ffmpeg，任务记录保存在本地，保障用户数据安全。AI-Media2Doc适合内容创作者、学生、研究人员等群体，帮助高效提取和整理信息。

AI-Media2Doc的主要功能

• 音视频转文档：一键将音视频内容转换为多种文档风格，包括小红书笔记、公众号文章、知识笔记、思维导图和视频字幕等。
• AI智能处理：基于大模型技术，实现内容总结与多风格文档生成，支持基于视频内容进行AI问答和二次对话。
• 纯前端处理：基于ffmpeg wasm技术，无需本地安装ffmpeg，支持浏览器直接处理。
• 隐私保护：无需登录注册，任务记录保存在本地，保障用户数据安全。
• 本地部署：支持本地运行，基于Docker一键部署，方便用户在本地环境中使用。
• 多种导出格式：生成的文档和思维导图能导出至第三方平台，进一步编辑和分享。

如何使用AI-Media2Doc

• 本地部署：
  • 克隆项目代码：打开终端或命令行工具，运行以下命令克隆项目代码。

git clone https://github.com/hanshuaikang/AI-Media2Doc.git
cd AI-Media2Doc

• • 安装Python依赖（后端）：安装项目所需的Python依赖。

pip install -r backend/requirements.txt

• • 配置环境变量：在backend目录下创建一个.env文件，填写API密钥。

OPENAI_API_KEY=your_openai_api_key
GROK_API_KEY=your_grok_api_key
DEEPSEEK_API_KEY=your_deepseek_api_key

• • 启动FastAPI服务：启动后端服务。

uvicorn backend.main:app --reload

• • 安装前端依赖并启动服务：安装前端依赖并启动前端服务。

cd frontend
npm install
npm run serve

• • 访问本地服务器：打开浏览器，访问http://localhost:8080，即可开始使用。
• 使用方法：
  • 新建任务：在页面上新建一个任务，上传音视频文件或输入外链地址。
  • 选择输出风格：选择希望生成的文档风格，如小红书、公众号、知识笔记、思维导图等。
  • 生成图文：点击“生成”按钮，系统将自动处理音视频内容生成相应的文档。
  • 二次对话：在右侧界面输入问题（如“视频的主旨是什么？”），AI将基于内容回答。
  • 导出结果：生成的文档和思维导图可以导出到第三方平台，如幕布、ProcessOn等，方便进一步编辑和使用。

AI-Media2Doc的项目地址

• GitHub仓库：https://github.com/hanshuaikang/AI-Media2Doc

AI-Media2Doc的应用场景

• 学生学习：提取网课笔记和思维导图，方便复习。
• 教师备课：将视频转为教案，快速整理课程内容。
• 自媒体创作：拆解视频，生成图文、剧本或脚本，提供创作灵感。
• 知识管理：视频转结构化笔记，便于管理和回顾。
• 内容创作：视频转公众号或小红书文案，提升创作效率。