NAS部署AI视频转录与摘要神器，支持30+平台，一键提取精华信息

在快节奏的学习和工作中，现在视频已经逐渐成为了我们获取信息的主要载体。

然而相对文字稿件来说，虽然视频的内容表现形式更多样，但信息密度要明显更低。

完整观看一部长视频不仅容易耽误时间，而且当我们需要对某段关键信息进行复盘，或想要快速定位某个知识点时，单纯依靠拖拽进度条既不方便，也难以做到精准定位。

为了解决这个痛点，今天向大家分享一款非常实用的开源工具——AI-Video-Transcriber，该项目在GitHub上已经收获了2.2K的Star。

https://github.com/wendy7756/AI-Video-Transcriber

作为一款高度自动化的视频转录与摘要工具，AI-Video-Transcriber全面兼容 YouTube、Bilibili、抖音等 30 多个国内外主流视频平台，只需要将在线视频的网址粘贴进去，即可将视频转录成文字版本，而且完美支持移动设备浏览器，随时随地都能方便使用。

不同于生硬的机器听写，它在转录后会自动进行错别字修改、句子完整化处理和智能分段，生成的文本排版清晰，可读性很强。

这个项目核心的语音转文字环节使用了Faster-Whisper模型，完全可以在本地设备上离线运行，这不仅保护了视频数据的私密性，而且还能节约在线语音转译的Token费用。

只有在最后对长文本生成 AI 摘要或翻译时，才可以根据需要，自行选择是否调用在线大语言模型，而且Token用量极低。

由于原版项目的默认环境更偏向于Linux本地部署，而且要求使用OpenAI的API服务，所以本期教程中，将为大家详细展示如何进行本地化魔改，让它完美适配NAS环境。

一、部署流程

这里我们来展示如何在威联通NAS上使用Docker形式部署AI-Video-Transcriber，用到的设备是威联通最新的8盘位旗舰新品Qu805。

AI-Video-Transcriber在初次部署时需要进行一次build构建操作，所以没法直接使用docker compose代码方式进行部署，和我们之前介绍的其他项目略有不同。

如下图所示，我们需要先去GitHub下载打包后的项目文件ZIP压缩包：

将ZIP压缩包解压后，可以看到文件夹中的docker-compose.yml和Dockerfile文件。我们需要使用notepad++之类的软件打开它们，进行一些修改，才能适配NAS的部署环境。

1.修改Dockerfile文件

首先我们修改Dockerfile文件，大家可以直接覆盖掉原始代码，然后参考修改后代码的注释来做个性化修改。

# AI视频转录器 Docker镜像 - 使用标准镜像确保兼容性 FROM python:3.9-slim # 设置工作目录 WORKDIR /app # 安装系统依赖 RUN sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list.d/debian.sources 2>/dev/null || true && sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list 2>/dev/null || true && apt-get update && apt-get install -y --no-install-recommends ffmpeg curl gcc g++ && rm -rf /var/lib/apt/lists/* # 复制requirements.txt并安装Python依赖 COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # 复制项目文件 COPY . . # 【新增的修改代码】 # 1.修复前端 localhost 报错，便于NAS部署 RUN find static -type f -name "*.js" -exec sed -i 's|http://localhost:8000||g' {} + && find static -type f -name "*.js" -exec sed -i 's|http://127.0.0.1:8000||g' {} + # 2. 强制 Whisper 输出简体中文+强制使用 IPv4 网络 RUN echo "import socket" >> backend/__init__.py && echo "old_getaddrinfo = socket.getaddrinfo" >> backend/__init__.py && echo "def new_getaddrinfo(*args, **kwargs):" >> backend/__init__.py && echo " return[r for r in old_getaddrinfo(*args, **kwargs) if r[0] == socket.AF_INET]" >> backend/__init__.py && echo "socket.getaddrinfo = new_getaddrinfo" >> backend/__init__.py && echo "try:" >> backend/__init__.py && echo " import faster_whisper" >> backend/__init__.py && echo " _orig = faster_whisper.WhisperModel.transcribe" >> backend/__init__.py && echo " def _patched(self, *args, **kwargs):" >> backend/__init__.py && echo " if 'initial_prompt' not in kwargs:" >> backend/__init__.py && echo " kwargs['initial_prompt'] = '以下是一段普通话，请务必使用简体中文输出。'" >> backend/__init__.py && echo " return _orig(self, *args, **kwargs)" >> backend/__init__.py && echo " faster_whisper.WhisperModel.transcribe = _patched" >> backend/__init__.py && echo "except Exception:" >> backend/__init__.py && echo " pass" >> backend/__init__.py # 3. 将后端代码中可能写死的 GPT 模型强制替换为 DeepSeek 模型 RUN find backend -type f -name "*.py" -exec sed -i 's/gpt-3.5-turbo/deepseek-chat/g' {} + && find backend -type f -name "*.py" -exec sed -i 's/gpt-4o/deepseek-chat/g' {} + && find backend -type f -name "*.py" -exec sed -i 's/gpt-4/deepseek-chat/g' {} + # ========================================================================= # 创建临时目录 RUN mkdir -p temp # 设置环境变量 ENV HOST=0.0.0.0 ENV PORT=8000 ENV WHISPER_MODEL_SIZE=base # 暴露端口 EXPOSE 8000 # 健康检查 HEALTHCHECK --interval=30s --timeout=30s --start-period=5s --retries=3 CMD curl -f http://localhost:8000/ || exit 1 # 启动命令 CMD ["python3", "start.py", "--prod"]

这里我对Dockerfile文件改动的地方主要有4处。

1.将项目依赖项的下载网址替换为国内镜像源，避免过于冗长的部署时间。
2.AI-Video-Transcriber项目的原始代码是针对Linux系统本机环境来写的，我们使用NAS部署时，需要对网络环境部分进行修改来适配；
3.AI-Video-Transcriber默认使用Faster-Whisper语音转文字模型，该模型在训练时使用了大量繁体中文视频的资源，默认情况下转录出的文字会有部分繁体字，这里我将其强制指定为使用简体中文输出。
4.AI-Video-Transcriber的默认设置中，使用OpenAI的GPT模型来进行摘要、整理等工作，这里我选择将其替换为更加易用的deepseek-chat模型，大家也可以根据自己的需求灵活修改。

2.修改docker-compose.yml文件

接下来我们docker-compose.yml文件，还是将修改后的代码直接替换原始代码，然后根据实际情况修改其中的部分内容。

services: ai-video-transcriber: build: . ports: - "8000:8000" environment: # 必需：OpenAI API密钥 - OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx # 可选：自定义OpenAI端点 - OPENAI_BASE_URL=https://api.deepseek.com/v1 # 可选：Whisper模型大小 - WHISPER_MODEL_SIZE=base # 指定 AI 模型为 deepseek-chat - FAST_MODEL=deepseek-chat - SMART_MODEL=deepseek-chat # 服务器配置 - HOST=0.0.0.0 - PORT=8000 # HuggingFace 国内镜像源，解决模型下载失败 - HF_ENDPOINT=https://hf-mirror.com # 强制指定公网 DNS，解决威联通内网无法解析 DeepSeek 域名的问题 dns: - 223.5.5.5 volumes: # 挂载临时文件目录，便于查看和管理下载的文件，根据实际情况修改 - /share/Container/AI-Video-Transcriber/temp:/app/temp # 挂载模型存放目录，避免反复下载 - /share/Container/AI-Video-Transcriber/models:/root/.cache/huggingface/hub restart: unless-stopped # 资源限制（可选） deploy: resources: limits: memory: 2G reservations: memory: 1G

这里在原始代码的基础上做了如下几处修改：

1.将算力服务商的URL从OpenAI更换为DeepSeek。
2.将文字摘要的模型指定为deepseek-chat。
3.AI-Video-Transcriber在首次部署时需要下载faster-whisper模型文件，这里将下载地址替换为HuggingFace的国内镜像源，避免模型下载失败的问题。
4.为了避免每次部署时都反复下载模型，这里挂载了NAS上的模型存放目录。

大家在部署时可以根据实际情况进行修改这些设置：

1.docker的映射端口，默认为8000，可以修改成其他端口。
2.文字模型的URL和API密钥。
3.AI-Video-Transcriber支持5种不同大小的Whisper模型，默认为base，可以根据实际硬件配置来灵活更换。注意模型参数量越大，内存占用越高。如果想要使用 large 模型，建议将 memory: 2G 的限制至少修改为 4G 甚至更高，以免转录时容器因内存不足而崩溃。