受够了视频没听清就反复拖进度条，写了个"会看画面"的视频转笔记工具
看视频经常一句话没听清，拖回去重听好几遍还是听不清。试了现有的转写工具，发现它们只用音频——恰恰是我听不清的词，它们也转不对（幻灯片上的术语、代码里的名词，声音里根本猜不出来）。
所以做了 **Vid2notes**：转写时不只听声音，还抽帧看画面。Whisper 转文字，多模态模型拿着字幕对着截图一起读，输出带截图、章节、时间戳和 AI 总结的图文笔记，可导出 Markdown / SRT / VTT 。
支持最长 10 小时的视频，常见格式都行。
技术栈给感兴趣的 V 友：全栈 Cloudflare （ Workers AI 跑 Whisper + GLM ，Rust + FFmpeg 跑在 Containers 里），按视频 MD5 缓存不重复算。
**每天免费 3 个视频**，不用绑卡：[vid2notes](https://vid2notes.com/)
最想知道的反馈：准确率在你的视频上怎么样，尤其是带幻灯片/代码的教学视频。欢迎拍砖 🙏
---
原文链接：[点击查看](https://www.v2ex.com/t/1238109)
所以做了 **Vid2notes**：转写时不只听声音，还抽帧看画面。Whisper 转文字，多模态模型拿着字幕对着截图一起读，输出带截图、章节、时间戳和 AI 总结的图文笔记，可导出 Markdown / SRT / VTT 。
支持最长 10 小时的视频，常见格式都行。
技术栈给感兴趣的 V 友：全栈 Cloudflare （ Workers AI 跑 Whisper + GLM ，Rust + FFmpeg 跑在 Containers 里），按视频 MD5 缓存不重复算。
**每天免费 3 个视频**，不用绑卡：[vid2notes](https://vid2notes.com/)
最想知道的反馈：准确率在你的视频上怎么样，尤其是带幻灯片/代码的教学视频。欢迎拍砖 🙏
---
原文链接：[点击查看](https://www.v2ex.com/t/1238109)
评论
暂无评论。