企业官网建设流程全解析

video2text Windows 安装部署教程

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。如果你觉得有用，欢迎在 GitHub 上给个 Star！

• 完全免费，无时长限制，可转写视频和音频
• 基于 Whisper large-v3，高准确率
• 集成 Ollama / NVIDIA 大模型，自动生成摘要
• 图形界面 + 命令行，Windows 绿色版已打包
• 批量转写 + 总结，输出 TXT/SRT/VTT/JSON
• 完全开源：video2text GitHub 仓库

一、界面

主界面GUI

• 仅转写：Whisper提取语音，输出原文、字幕，不生成AI总结
• 仅总结：读取已有文稿，本地大模型生成摘要
• 转写总结：一键执行语音转写+AI摘要整套流程
• 左侧日志区：实时打印加载、报错、显存、任务耗时等运行日志
• 右上结果区
  • 文本内容：原文编辑，Ctrl+S保存、Ctrl+F查找，右键重转文件
  • 摘要页：AI产出文案，支持手动修改
• 右下提示词区
  • 自定义摘要提示词，可保存/删除模板；勾选Markdown自动格式化导出

工作流程简介

video2text 的处理流程分为两个阶段：

1. 语音转写：输入视频/音频 → Whisper large-v3 模型 → 输出 TXT/SRT/VTT/JSON 文本
2. 智能总结：转写文本 → Ollama 本地模型 / NVIDIA 在线模型 → 输出 Markdown 格式摘要

两个阶段可独立运行，也可以一键完成。

二、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。

2.1 最低配置与推荐配置

注意：AMD 显卡暂不支持 GPU 加速。CPU 模式可以运行会比较慢。

显卡信息参考（nvidia-smi 输出示例）：

以下为 nvidia-smi 输出示例，请以你电脑上的实际输出为准

• Driver Version: 572.83：NVIDIA 显卡驱动版本，video2text 依赖驱动提供的 CUDA 运行时。驱动版本过低可能导致 GPU 无法被识别。
• CUDA Version: 12.8：此驱动支持的最高 CUDA 版本。Whisper 和各类深度学习模型在 CUDA 12.x 下均可正常工作。

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。

2.2 需要下载哪些文件

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：

合并下载: [video2text] 所有文件 链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-SE7j3?pwd=viWa# 提取码：viWa 分开下载: [video2text_portable_windows_*.zip] 程序包 链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-4Ovdh?pwd=1234# 提取码：1234 [large-v3.zip] 语音转文字模型 链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-nk8vh?pwd=1234# 提取码：1234 [ollama] 安装包和本地模型 链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-DR8dh?pwd=1234# 提取码：1234

三、详细安装步骤

以下按顺序介绍 video2text 本地视频转文字工具的完整安装流程。

3.1 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） ├── docs ← 文档 ├── assets\ ← 图标资源 ├── ffmpeg\ ← 内置 FFmpeg ├── models\ ← 模型目录（需要放入模型文件） ├── output\ ← 输出目录（可选） ├── logs\ ← 日志目录 └── README.md ← 说明文档

第二步：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

放好模型后就可以使用视频转文本功能了。
需要使用其它模型的可以到 Hugging Face 上找，按照上面目录结构放好，再到配置文件中设置。

3.2 总结模型安装

video2text 支持两种总结服务：NVIDIA 在线模型和本地 Ollama 模型，按需选择其一即可。

3.2.1 NVIDIA 在线（使用在线 NVIDIA 模型总结）

需要先在 NVIDIA Build 注册账号并创建 API Key（目前大部分模型免费使用）。获取 Key 后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

保存文件。程序启动时会自动读取该文件中的环境变量。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。

3.2.2 安装 Ollama（使用本地模型总结）

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。

本文以qwen2.5:7b-instruct-q4_K_M为例进行安装演示，该模型实际总结效果一般，推荐优先使用 NVIDIA 在线模型。

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

第三步：启动 Ollama 服务

方式一：在开始菜单找到 Ollama 图标并启动。
方式二：按Win + R打开运行窗口，输入cmd，执行ollama serve。

启动后系统托盘会出现 Ollama 图标，表示服务已就绪。

如果需要使用 Ollama 在线云服务模型（如 deepseek-v3.1:671b-cloud、gpt-oss:120b-cloud），需注册账号并在.env文件中配置OLLAMA_API_KEY：

# 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

3.3 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. 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。

2. 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，确认能正常生成摘要。