本地视频转文字完全免费教程：video2text实现离线语音转写+AI智能总结

本地视频转文字完全免费教程：video2text实现离线语音转写+AI智能总结

找了下本地视频转文字的工具,都是各种限制,于是自己写了个自用的工具

• 完全免费，无时长限制
• 基于 Whisper large-v3，精准实用
• 集成 Ollama / NVIDIA 大模型，自动生成摘要
• 图形界面 + 命令行，Windows 绿色版
• 支持 Windows 10/11（64位）
• NVIDIA 显卡自动加速（显存 >= 6GB）
• 一键转写 + 总结，输出 TXT/SRT/VTT/JSON
• 完全开源，源代码：video2text GitHub 仓库（本地视频转文字工具）

最终效果：选择一个视频，点一下按钮，得到 TXT 文件 + Markdown 摘要。

一、安装前的准备：系统要求与组件

在安装 video2text 这一本地视频转文字工具前，请先确认你的电脑满足以下条件。

1.1 最低配置与推荐配置

注意：AMD 显卡暂不支持 GPU 加速。CPU 模式可以运行但转写速度很慢，不建议使用。

显卡信息参考（nvidia-smi 输出示例）：

如果驱动版本和 CUDA 版本太低也可能无法使用 GPU 加速。建议先在命令行执行nvidia-smi确认显卡状态。

1.2 需要下载哪些文件（含云盘地址）

video2text 本地视频转文字工具的安装包体积较大，已上传至 123 云盘，内含以下组件：

请使用支持保留目录结构的解压工具（如7-Zip或Bandizip）解压压缩包，确保文件夹结构完整。

下载地址：

『来自123云盘用户喵王龙的分享』video2text 本地视频转文字工具 链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-SE7j3?pwd=viWa# 提取码：viWa

二、详细安装步骤（分4步完成）

以下按顺序介绍 video2text 本地视频转文字工具的完整安装流程。

2.1 部署 video2text 本地视频转文字程序

第一步：解压程序包

将video2text_portable_windows_*.zip解压到你希望存放程序的位置，例如D:\video2text。该程序为绿色版，无需安装，不会写入注册表，解压即用。解压后目录结构如下：

D:\video2text\ ├── video2text.exe ← 主程序 ├── video2text.bat ← 启动脚本（自动设置工作目录） ├── config.ini ← 配置文件 ├── .env ← 环境变量配置（存放 API Key，需手动创建） ├── assets\ ← 图标资源 ├── models\ ← 模型目录（需要放入模型文件） │ └── readme.md ├── output\ ← 输出目录（转写和总结结果保存在此） │ └── readme.md ├── video\ ← 视频存放目录（可选使用） │ └── readme.md ├── logs\ ← 日志目录 │ └── readme.md ├── README.md └── README_PORTABLE.txt

第二步：创建.env文件（可选，使用 NVIDIA 在线总结服务时需要）

在程序目录下新建一个名为.env的文本文件（注意文件名以点开头，无扩展名）。用记事本打开，按需添加以下内容：

# NVIDIA API Key（使用在线 NVIDIA 模型总结时需要） NVIDIA_API_KEY=nvapi-你的API密钥 # Ollama API Key（使用带认证的 Ollama 服务时可选配置） # OLLAMA_API_KEY=你的API密钥

保存文件。程序启动时会自动读取该文件中的环境变量。如果仅使用本地 Ollama 进行总结，则无需创建此文件。API Key 也可以通过系统环境变量设置，效果相同（系统环境变量优先级高于.env文件）。NVIDIA 提供有很多免费的模型，如果网络访问有问题需要自行解决。

第三步：放入语音识别模型

将下载的large-v3.zip解压到程序目录下的models文件夹中。确保解压后模型文件位于models\large-v3\子目录下，且包含以下核心文件：

D:\video2text\models\ └── large-v3\ ├── config.json ├── model.bin ← 核心模型文件（约 2.9 GB） ├── preprocessor_config.json ├── tokenizer.json └── vocabulary.json

重要：model.bin是最大的文件（约 2.9 GB），缺少此文件将无法进行转写。

如果没有预下载模型：程序首次运行时会自动从 HuggingFace 下载模型（约 3 GB，需联网）。如果网络较慢，可在config.ini中配置代理：

[network] proxy = http://127.0.0.1:7890

2.2 安装 FFmpeg（用于视频音频提取）

FFmpeg 是一个音视频处理工具，video2text 使用它从视频文件中提取音频。

第一步：解压安装包

将下载的ffmpeg-*-win64-gpl.zip解压到一个固定目录，例如C:\ffmpeg。解压后的目录结构如下：

C:\ffmpeg\ └── bin\ ├── ffmpeg.exe ├── ffplay.exe └── ffprobe.exe

第二步：添加到系统 PATH 环境变量

1. 右键点击「此电脑」→「属性」→「高级系统设置」→「环境变量」
2. 在「系统变量」区域找到Path变量，双击打开
3. 点击「新建」，输入 FFmpeg 的bin目录路径：C:\ffmpeg\bin
4. 依次点击「确定」关闭所有对话框

快捷方法（Windows 10/11）：按Win+S搜索「环境变量」→ 选择「编辑系统环境变量」→ 点击「环境变量」按钮。

第三步：验证安装

重新打开一个命令提示符或 PowerShell 窗口（必须重新打开，旧窗口不会加载新的 PATH），运行：

ffmpeg-version

如果显示 FFmpeg 版本信息（如ffmpeg version 7.x），说明安装成功。如果提示「不是内部或外部命令」，请检查 PATH 设置是否正确，或尝试重启电脑后再试。

替代方案：如果不想修改系统 PATH，也可以在 video2text 的配置文件config.ini中指定 FFmpeg 的完整路径：

[preprocessing] ffmpeg_path = C:\ffmpeg\bin\ffmpeg.exe

2.3 安装 Ollama（用于AI总结）

Ollama 是一个本地大语言模型运行框架，video2text 使用它来生成文本摘要。

第一步：运行安装程序

双击OllamaSetup.exe，按提示完成安装。安装过程无需手动配置，会自动完成。

第二步：解压预下载模型

找到下载好的models.zip文件，将其解压到C:\Users\你的用户名\.ollama目录下。确保解压后的目录结构如下：

C:\Users\你的用户名\.ollama\ └── models\ └── blobs\ ← 模型数据文件 └── manifests\ ← 模型清单文件

提示：%USERPROFILE%环境变量会自动指向当前用户的主目录。在文件资源管理器地址栏输入%USERPROFILE%\.ollama可直接跳转。

第三步：启动 Ollama 服务

安装完成后，从开始菜单或桌面找到Ollama程序并运行。Ollama 会以后台服务形式运行，默认监听http://127.0.0.1:11434。系统托盘区会出现 Ollama 图标，表示服务已启动。

第四步：验证安装

打开命令提示符（Win+R→ 输入cmd→ 回车），运行：

ollama list

如果显示已安装的模型列表（如qwen2.5:7b-instruct-q4_K_M），说明安装和模型解压均成功。如果提示找不到命令，尝试重新打开一个命令提示符窗口（安装后需要新的终端窗口才能刷新 PATH）。

如果没有预下载模型文件：可以在线拉取模型，在命令提示符中运行：

ollama pull qwen2.5:7b-instruct-q4_K_M

模型文件约 4.7 GB，下载时间取决于网络速度。最好注册 Ollama 的账号，官网地址：https://docs.ollama.com/，提供免费的在线模型可使用，包括 deepseek-v3.1:671b-cloud、gpt-oss:120b-cloud。

2.4 验证安装是否成功

完成以上所有步骤后，按顺序验证各组件是否正常工作：

1. 验证 FFmpeg：

   ffmpeg-version

   应显示版本信息。

2. 验证 Ollama：

   ollama list

   应显示已安装的模型列表。

3. 启动 video2text：

   • 双击video2text.exe或video2text.bat启动程序。
   • 程序主窗口应正常显示，标题为「Video2Text - 视频转文本工具」。
   • 底部状态栏会显示当前使用的配置文件路径。

4. 快速测试（可选）：

   • 选择一个短小的视频文件（1-2 分钟即可）。
   • 点击「仅转写」按钮，观察日志面板是否有输出、进度条是否推进。
   • 转写完成后，右侧面板应显示转写文本。
   • 点击「仅总结」按钮，确认 Ollama 能正常生成摘要。

三、首次使用教程：从打开到出结果

本节演示如何使用 video2text 本地视频转文字工具完成第一次转写和总结。

3.1 启动界面说明

双击video2text.exe即可打开图形界面（GUI）。也可以双击video2text.bat启动，它会自动将工作目录切换到程序所在位置。

程序启动后显示主窗口（默认 1200x800），从上到下分为以下区域：

3.2 选择一个视频，点击"转写+总结"

选择视频文件

• 选择文件：点击「选择文件」按钮，在弹出的对话框中选择一个或多个视频文件（按住Ctrl或Shift多选）。选中多个文件后，输入框显示「已选择 N 个文件」。
• 选择文件夹：点击「选择文件夹」按钮，选择一个文件夹后程序会自动递归扫描其中所有支持格式的视频，并弹出选择对话框。对话框显示找到的所有视频文件，每个文件前有复选框，默认全部勾选。可通过「全选」/「取消全选」按钮批量操作，勾选需要处理的文件后点击「确定」。

支持的视频格式（共 17 种）：
.mp4.avi.mov.mkv.flv.wmv.webm.ts.mts.m4v.3gp.mpeg.mpg.vob.ogv.rm.rmvb

常用目录收藏

输入框和输出框均为可编辑下拉框，会显示已收藏的常用目录。通过菜单「设置 → 收藏」可以：

• 收藏当前输入/输出文件夹为常用目录
• 右键点击下拉列表中的目录条目可删除单个收藏
• 通过菜单可批量移除所有输入或输出目录收藏

设置输出目录

点击「浏览」按钮选择转写结果的保存位置。默认输出目录为程序所在目录下的output文件夹。如果是通过「选择文件夹」导入视频，程序会自动在output下创建以源文件夹命名的子目录。

执行转写+总结

界面提供三种操作模式：

操作过程中的说明：

• 进度条会实时更新，显示「已完成数/总数」
• 日志面板会实时输出处理信息，包括每段视频的转写进度、耗时等
• 转写过程中可点击「暂停」按钮暂停，当前音频分段完成后再暂停；暂停后按钮变为「继续」，点击继续恢复处理
• 任务完成或失败时，日志面板会显示统计信息（成功/失败数量）
• 处理期间按钮状态会自动切换：转写/总结/文件选择按钮禁用，暂停按钮启用

3.3 查看结果（编辑、查找替换、全屏查看器、书签）

文件列表

操作完成后，右侧面板的文件列表会显示所有已处理的视频文件名。点击文件名可切换查看对应的转写文本和摘要。

转写文本（「文本内容」标签页）

• 显示该视频的完整转写文本（Consolas 等宽字体）
• 文本可编辑：可以直接修改转写结果中的错别字或格式问题
• Ctrl+S 保存：编辑后按Ctrl+S可将修改保存到文件
• Ctrl+F 查找替换：按Ctrl+F打开查找替换栏，支持关键词搜索（当前匹配项高亮为橙色，其余高亮为黄色）和替换/全部替换操作
• 编辑后的文本可通过右键菜单「重新总结」按钮重新生成摘要

摘要（「摘要」标签页）

• 显示 AI 生成的摘要内容
• 文本可编辑：摘要内容支持直接编辑修改
• Ctrl+S 保存：编辑后按Ctrl+S可将修改保存到文件
• Ctrl+F 查找替换：同样支持查找替换功能

右键菜单

在文件列表中右键点击某个文件，可选择：

• 重新转写：对选中的视频重新执行转写（需要原始视频文件仍在原路径）
• 重新总结：对选中的视频重新执行总结（需要已存在转写文件）。如果在「文本内容」标签页中编辑过文本，会使用编辑后的文本进行总结

全屏结果查看器

点击主界面的「全屏查看」按钮，可打开独立的结果查看窗口，提供更舒适的浏览体验。窗口默认 1400x900，支持独立的文件浏览、搜索、书签等功能。

工具栏：

文件过滤：

左侧面板顶部有文件过滤输入框，输入关键词可实时过滤文件列表，便于在大量结果中快速定位。

搜索功能：

• 按Ctrl+F打开搜索栏，输入关键词后自动搜索（300ms 防抖，避免大文件卡顿）
• 按F3或Ctrl+G跳转到下一个匹配项
• 按Shift+F3或Ctrl+Shift+G跳转到上一个匹配项
• 按Enter跳转到下一个匹配项
• 按Esc关闭搜索栏（全屏状态下按两次Esc退出全屏）
• 搜索栏右侧显示匹配计数（如「3/15」）
• 当前匹配项高亮为橙色，其他匹配项高亮为黄色（深色主题下自动适配配色）

书签系统：

• 在转写文本或摘要中定位到需要标记的位置，按Ctrl+B添加书签
• 书签自动记录：文件名、内容类型（转写/摘要）、光标位置、上下文预览（前后各 30-70 字符）、时间戳
• 重复位置检测：同一文件同一位置不会重复添加书签
• 按Ctrl+Shift+B打开书签面板，包含以下功能：
  • 书签计数显示（如「共 10 个书签」或「显示 3 / 共 10 个书签」）
  • 关键词过滤：输入框实时过滤书签（搜索范围包括文件名、路径、类型、内容、备注）
  • 日期过滤：下拉框按添加日期筛选
  • 排序方式：按添加时间 / 按文件名 / 按内容类型
  • 双击书签条目跳转到对应文件和位置
  • 右键菜单：跳转到位置、复制书签信息、编辑备注、全选、反选、删除选中
  • 底部按钮：删除、批量删除、清空
  • 失效检测：自动检测已删除文件的书签，提示清理
  • 跨目录导航：如果书签对应的文件不在当前目录中，会提示切换目录
• 书签数据跨会话自动保存（存储在bookmarks.json）

Markdown 渲染：

摘要标签页使用 Markdown 渲染显示，支持：标题、表格、代码块（带语法高亮）、引用块、有序/无序列表（含嵌套）、链接、加粗/斜体等格式。自动过滤不安全的 HTML 标签（<script>、<style>、<iframe>）。

文件夹模式：

• 按Ctrl+D切换到文件夹模式，左侧文件列表变为树形结构
• 按子目录分层展示，目录节点加粗并显示子视频数量（如subfolder (3)）
• 子文件夹默认折叠，点击展开

窗口状态持久化：

窗口大小、工具栏位置、分栏比例等状态会自动保存到result_viewer.ini，下次打开时自动恢复。

3.4 其他实用功能

图片去水印工具

菜单「设置 → 工具 → 图片去水印」（快捷键Ctrl+M）可打开图片去水印对话框，支持：

• 单张图片处理和批量处理模式
• 三种绘制选区方式：矩形框选、任意圈选、多点连线
• 三种处理方式：高斯模糊、色块填充、图像补全
• 撤销操作（Ctrl+Z）、多选区叠加

配置编辑

菜单「设置 → 编辑配置」打开配置编辑器，以标签页形式分组显示所有配置项（应用、转写、总结、预处理、输出、网络、路径、工具），可直接在界面中修改并保存。总结标签页支持切换「本地 Ollama 模型」和「在线 NVIDIA 模型」两种服务商，并提供「启动服务」「关闭服务」「测试连接」等操作按钮。

加载历史结果

点击「加载历史」按钮可以扫描输出目录中已有的转写和总结文件，加载到文件列表中查看。适用于之前处理过的视频需要再次查看结果的场景。

四、常见问题与解决办法（FAQ）

使用本地视频转文字工具时可能遇到以下问题，这里逐一给出解决方案。

4.1 没有NVIDIA显卡怎么办？

video2text 支持 CPU 模式运行，但转写速度会明显较慢。

解决方法：

1. 打开config.ini，将[transcription]下的device改为cpu：

   device = cpu

2. CPU 模式下转写速度较慢，建议配合较短的视频测试。

4.2 双击 video2text.exe 无反应或闪退

• 原因：通常是 FFmpeg 未正确安装或未添加到 PATH。
• 解决：
  1. 打开命令提示符，运行ffmpeg -version确认 FFmpeg 可用。
  2. 如果 FFmpeg 未添加到 PATH，在config.ini中手动指定路径：

     [preprocessing] ffmpeg_path = C:\ffmpeg\bin\ffmpeg.exe

  3. 或者通过video2text.bat启动，它会自动设置工作目录。

4.3 Ollama连接失败

• 原因：Ollama 服务未启动或启动异常。
• 解决：
  1. 确认 Ollama 已安装：在命令提示符运行ollama --version。
  2. 启动 Ollama 服务：从开始菜单运行 Ollama，或在命令提示符运行ollama serve。
  3. 在 video2text 中，打开「设置 → 编辑配置 → 总结」标签页，点击「测试连接」按钮检查状态。
  4. 也可点击「启动服务」按钮让 video2text 自动启动 Ollama。

4.4 模型下载慢或失败

• 原因：网络环境无法正常访问 HuggingFace。
• 解决：
  1. 使用预下载的large-v3.zip模型文件，解压到models/large-v3/目录。
  2. 如果需要在线下载，在config.ini中配置代理：

     [network] proxy = http://127.0.0.1:7890

  3. 确保models/large-v3/目录包含model.bin等 5 个核心文件。
  4. 确保文件没有被杀毒软件误删。

4.5 转写时提示 GPU 显存不足（CUDA OOM）

• 原因：显卡显存不足以运行 large-v3 模型。
• 解决：
  1. 程序会自动尝试降级（float16→int8→float32→ CPU），一般无需手动干预。
  2. 如果仍然失败，在config.ini中将compute_type改为int8以减少显存占用：

     compute_type = int8

  3. 或将device改为cpu使用 CPU 模式。

4.6 杀毒软件拦截

• 原因：部分杀毒软件可能将 PyInstaller 打包的 exe 误报为可疑程序。
• 解决：
  1. 将 video2text 程序所在目录添加到杀毒软件的白名单/排除列表中。
  2. 同时将models/large-v3/目录也加入排除，防止模型文件被误删。

五、进阶技巧：自定义提示词与命令行使用

5.1 自定义提示词模板

主界面底部的「提示词配置」区域用于自定义总结时使用的提示词。

使用方法：

1. 在文本框中输入自定义提示词（如「请用中文总结以下内容的要点，重点关注技术细节」）。
2. 如果留空，将使用默认提示词：「你是一个专业的文本总结助手，擅长提取关键信息并生成简洁准确的总结。」
3. 点击「仅总结」或「转写+总结」时，会将提示词与转写文本组合后发送给 AI 模型。

模板管理：

• 保存模板：输入提示词后，点击「保存提示词」按钮，在弹出的对话框中输入模板名称即可保存。
• 加载模板：从下拉框中选择已保存的模板名称，提示词会自动填充到文本框。
• 删除模板：选择要删除的模板，点击「删除提示词」并确认。
• 程序会自动记住上次使用的模板，下次启动时自动恢复。
• 模板数据存储在prompts.json文件中，支持原子写入防止数据损坏。

提示词构建流程：程序发送给 AI 模型的完整提示由三部分组成：自定义提示词（或默认系统提示）+ Markdown 格式指令 + 转写文本。Markdown 格式指令要求模型以「要点标题 + 内容」的结构输出，确保摘要格式清晰统一。

5.2 配置文件详解（config.ini）

程序目录下的config.ini可直接用文本编辑器修改，完整配置如下：

[app] log_level = INFO # 日志级别: DEBUG/INFO/WARNING/ERROR [transcription] model_path = large-v3 # 转写模型名称或路径 device = cuda # 设备: auto/cpu/cuda/mps language = zh # 语言: auto/zh/en/ja/... beam_size = 5 # beam search 大小 best_of = 5 # 候选数量 temperature = 0.0 # 温度参数 compute_type = float16 # 计算类型: float16/int8/float32/int8_float16 num_workers = 1 # 工作线程数 vad_filter = True # VAD 过滤 [summarization] provider = ollama # 服务商: ollama/nvidia ollama_url = http://127.0.0.1:11434 # Ollama 服务地址 model_name = qwen2.5:7b-instruct-q4_K_M # 模型名称 max_length = 10000 # 最大生成长度 temperature = 0.7 # 温度参数 timeout = 600 # 请求超时时间（秒） custom_prompt = # 自定义提示词 nvidia_api_url = https://integrate.api.nvidia.com/v1/chat/completions nvidia_model = openai/gpt-oss-120b nvidia_max_tokens = 100000 nvidia_temperature = 1.0 nvidia_top_p = 1.0 nvidia_frequency_penalty = 0.0 nvidia_presence_penalty = 0.0 nvidia_mode = multi # NVIDIA 模式: single(单线程)/multi(多线程并发) nvidia_thread_count = 5 # 多线程模式下的并发线程数 nvidia_stream = true # 是否启用流式输出（仅单线程模式有效） [preprocessing] ffmpeg_path = ffmpeg # FFmpeg 路径 audio_sample_rate = 16000 # 音频采样率 audio_channels = 1 # 音频声道数 max_chunk_duration = 300 # 最大切片时长（秒） supported_video_formats = .mp4,.avi,.mov,.mkv,.flv,.wmv,.webm,.ts,.mts,.m4v,.3gp,.mpeg,.mpg,.vob,.ogv,.rm,.rmvb [output] output_dir = output # 默认输出目录 transcript_format = txt # 转写格式（可逗号分隔: txt,srt,vtt,json） summary_format = md # 摘要格式: txt/md [network] proxy = # 代理地址（用于 HuggingFace 模型下载） [paths] models_dir = models # 模型目录 logs_dir = logs # 日志目录 video_dir = video # 视频目录 [tools] watermark_mode = blur # 水印去除模式: blur(高斯模糊)/fill(色块填充)/inpaint(图像补全) watermark_blur_size = 51 # 高斯模糊核大小 watermark_inpaint_radius = 5 # 图像补全半径 watermark_output_dir = nowm # 处理后图片输出子目录 watermark_max_batch = 200 # 批量处理最大数量

也可通过环境变量VIDEO2TEXT_CONFIG指定自定义配置文件路径。

5.3 命令行使用（CLI）

除图形界面外，也可在命令行中直接使用。在程序所在目录打开终端，使用video2text.exe加子命令。不带参数运行时自动启动图形界面。

转写命令：

.\video2text.exe transcribe <视频文件路径>[选项]

示例：

.\video2text.exe transcribe"D:\videos\lecture.mp4"-o output-l zh-d cuda

总结命令：

.\video2text.exe summarize <转写文本文件路径>[选项]

示例：

.\video2text.exe summarize output\lecture.txt-o output

完整流程命令：

.\video2text.exe run-pipeline <视频文件路径>[选项]

示例：

.\video2text.exe run-pipeline"D:\videos\meeting.mp4"-o output-l zh

其他命令：

# 查看版本.\video2text.exe version# 查看所有命令及用法.\video2text.exe--help.\video2text.exe help

5.4 输出文件说明

文件命名：

转写格式：

可在config.ini中设置transcript_format = txt,srt,json同时输出多种格式，用逗号分隔。

摘要格式：

输出校验：所有输出文件在写入后会自动校验：SRT 检查序号连续性和时间戳格式、VTT 检查头部和时间戳、JSON 检查必需字段、TXT 检查非空、所有格式检查 UTF-8 编码有效性。

5.5 高级功能

断点续传：对于长视频（超过 300 秒，可通过config.ini的max_chunk_duration调整），程序会自动将音频切片分段转写。每完成一个切片会保存检查点到<输出目录>/.checkpoint/目录，如果任务中断（如程序崩溃、手动关闭），下次重新运行相同视频时会自动跳过已完成的切片，从中断处继续。检查点文件使用原子写入（临时文件 + 替换）防止损坏，任务全部完成后自动清理检查点。

暂停/继续：转写过程中可随时点击「暂停」按钮，当前音频分段完成后再暂停，暂停后按钮变为「继续」。暂停期间不会丢失已完成的进度。

模型自动下载：首次运行时如果models/large-v3/目录下没有模型文件（或文件不完整），程序会自动从 HuggingFace 下载（约 3GB）。下载支持代理设置（在config.ini的[network] proxy中配置）、失败自动重试（最多 3 次，指数退避）、下载进度显示在日志面板。

GPU 显存管理：转写模型加载到 GPU 后会缓存复用（按模型路径+设备+计算类型+线程数作为缓存键），避免重复加载。关闭程序时会自动卸载模型并释放 GPU 显存。如果 GPU 显存不足（CUDA OOM），程序会自动降级：先在同一设备上尝试不同计算类型（float16→int8→float32→int8_float16），如果仍然失败则回退到 CPU 模式（cpu+int8→cpu+float32）。每次降级前会清理 GPU 缓存。

NVIDIA 多线程总结：当nvidia_mode = multi时，程序使用线程池并发处理多个视频的总结请求（线程数由nvidia_thread_count控制），并内置速率限制器（请求间隔最少 1.5 秒）避免触发 API 限流。多线程模式下强制使用非流式输出。

日志系统：程序运行日志保存在logs/目录下：

失败的任务会额外记录到logs/fail_log.log，包含时间戳、操作模式、视频名称和错误信息。程序崩溃时会写入logs/crash.log，未捕获的线程异常会写入logs/thread_error.log。

图片去水印工具：通过菜单「设置 → 工具 → 图片去水印」（快捷键Ctrl+M）打开，支持单张和批量处理，提供矩形框选、任意圈选、多点连线三种选区方式，以及高斯模糊、色块填充、图像补全三种处理方式。

5.6 注意事项

• Ollama 服务：使用总结功能前需确保 Ollama 已启动。程序可自动启动 Ollama 服务（在配置对话框中点击「启动服务」），也可手动运行ollama serve。关闭程序时会自动停止由本程序启动的 Ollama 服务。如果使用 Ollama，需先拉取模型：ollama pull qwen2.5:7b-instruct-q4_K_M。Ollama 官网（https://docs.ollama.com/）注册账号后可免费使用在线大模型，如deepseek-v3.1:671b-cloud、gpt-oss:120b-cloud。
• GPU 加速：如无 NVIDIA 显卡，请在配置中将「设备」改为cpu，转写速度会明显较慢。设备设置为auto时程序会自动检测可用设备。
• 模型文件：large-v3模型约 3GB，必须放置在models/large-v3/目录下。首次运行时如未找到模型会自动下载（需联网）。确保模型文件不被杀毒软件误删。
• ffmpeg 路径：确保ffmpeg已添加到系统PATH，或在配置中设置 FFmpeg 路径为完整路径（如C:\ffmpeg\bin\ffmpeg.exe）。
• 代理设置：如果网络环境需要代理才能访问 HuggingFace，请在网络标签页中配置代理地址。
• 关闭程序：关闭程序时会自动取消运行中的任务、恢复暂停状态、停止本程序启动的 Ollama 服务、卸载模型并释放 GPU 显存。
• API Key：使用 NVIDIA 总结服务需设置环境变量NVIDIA_API_KEY；使用带认证的 Ollama 服务需设置OLLAMA_API_KEY。可通过系统环境变量或程序目录下的.env文件配置（系统环境变量优先级更高）。
• 文本编辑与保存：转写文本和摘要均可在主界面直接编辑，按Ctrl+S保存到文件。按Ctrl+F打开查找替换栏，支持关键词搜索、单个替换和全部替换。