一个功能强大的Python工具，用于下载Bilibili视频字幕（包括AI字幕和本地ASR识别），并调用大模型生成教程内容。
提供两种使用方式：
- 🌐 Web界面（推荐）- 简单易用的网页操作界面，支持所有功能
- 💻 命令行工具 - 适合批处理和自动化
✨ Web界面已全面更新！ 现在完全支持所有新增功能，包括：
- ✅ 下载字幕和封面
- ✅ 智能字幕获取：优先在线获取，无资源时尝试本地字幕文件，最后使用Whisper进行本地ASR转录
- ✅ 生成要点总结 (summary.json)
- ✅ 生成完整内容文档 (content.md)
- ✅ 生成练习题 (exercises.json)
- ✅ 生成预设问题 (questions.json)
- ✅ 实时显示处理进度和生成的所有文件
- 通过url获取视频信息
- b站ai字幕/标题
- b站视频封面
- 无ai字幕视频自动本地ASR识别
- 其他视频源(如抖音等)
- [] 可视化的知识点信息查看与修改
- [] LLM 提示词管理
- 一键部署整合包
- 知识要点总结
- 知识完整内容（Markdown格式）
- 预设问题（3个引导性问题）
- 习题及答案（选择题+简答题）
- 多级回退策略：
- Level 1: 优先下载B站在线字幕（CC字幕或AI字幕）
- Level 2: 在线无资源时，自动扫描本地是否存在同名SRT文件（如
视频标题.srt） - Level 3: 若上述均无，自动调用本地 Whisper 模型进行语音转录 (ASR)
- 多P支持：完美支持分P视频的独立命名与处理，文件不再混淆。
提供 merge_excel_files.py 脚本，用于将人工校对的Excel与程序生成的Excel进行智能合并：
- 智能匹配：通过视频URL（自动忽略多余参数）精准匹配
- 数据保留：保留人工编辑的章节结构、排序等信息
- 自动填充：自动回填程序生成的预设问题、机械标题，并规范化URL
使用示例：
python merge_excel_files.py "人工Excel.xlsx" "程序Excel.xlsx" -o "合并后.xlsx"- 支持直接输入B站收藏夹URL，自动获取并处理收藏夹内所有视频
- 适合批量学习系列课程、整理主题资料
- 支持收藏夹URL与视频URL混合输入
- 可自定义文件夹名称，方便按主题或项目分类
- 多个视频可放在同一文件夹内
- 所有文件带视频标题前缀，避免冲突
- 智能任务队列：使用任务队列机制，避免API并发过高
- 可配置并发数：默认同时处理2个视频，可在Web界面调整（1-10）
- 防止API限流：
- 设置为 1 - 串行处理，完全避免并发，适合有严格限流的API
- 设置为 2-3 - 平衡效率与API限制，推荐大多数场景
- 设置为 4+ - 高并发，需要API支持较高并发量
- 自动保存配置：并发数设置自动保存，重启后保持
- 下载
release文件夹中的所有文件 - 编辑
cookies.txt填入你的SESSDATA（见下方获取方法） - 双击运行
BilibiliSubtitleSummarizer.exe（首次启动需10-30秒） - 在浏览器中打开提示的地址（默认 http://127.0.0.1:5000）
- 在Web界面添加大模型配置后即可使用
# 安装基础依赖
pip install -r requirements.txt
# 如需使用本地ASR功能，请安装GPU版本依赖（推荐）
pip install -r requirements-gpu.txt编辑 cookies.txt 文件：
SESSDATA=你的SESSDATA值
获取SESSDATA：
- 登录 https://www.bilibili.com
- 按
F12打开开发者工具 - 点击
Application→Cookies→https://www.bilibili.com - 找到
SESSDATA，复制其值并粘贴到cookies.txt
方式1：启动web页面后可视化配置（推荐）
方式2：手动编辑 config/llm_models.json：
{
"models": [
{
"id": "1",
"name": "你的模型名称",
"model_name": "模型标识",
"api_base": "http://your-api-url/v1",
"api_key": "your-api-key"
}
]
}Web界面（推荐）：
python start_web.py然后在浏览器中打开：http://127.0.0.1:5000
命令行：
# 一键下载并总结
python download_and_summarize.py "视频URL" -n 模型名称
# 处理收藏夹（批量下载）⭐新增
python download_and_summarize.py "收藏夹URL" -n 模型名称
# 自定义输出文件夹⭐新增
python download_and_summarize.py "URL" -f "Python学习合集" -n 模型名称
# 下载所有分P视频⭐新增
python download_and_summarize.py "视频URL" -n 模型名称 --download-all-parts
# 使用流式输出
python download_and_summarize.py "视频URL" -n 模型名称 --stream
# 查看可用模型
python download_and_summarize.py --list-models
# 只下载字幕
python bilibili_subtitle_downloader.py "视频URL"
# 合并Excel文件
python merge_excel_files.py "人工Excel路径" "程序Excel路径" -o "输出路径"subtitles/
└── [自定义文件夹名]/ # 例如 "Python课程"
├── [自定义文件夹名].xlsx # 汇总Excel文件（便于人工查看）
└── data/ # 数据存放目录
├── 视频标题_video_info.json # 视频信息
├── 视频标题_cover.jpg # 视频封面
├── 视频标题.srt # 字幕文件（SRT格式）
├── 视频标题.md # 完整教程文档（Markdown格式）
├── 视频标题_summary.json # 要点总结
├── 视频标题_exercises.json # 练习题
└── 视频标题_questions.json # 预设问题
- Excel文件：位于自定义文件夹根目录，方便直接打开查看和编辑。
- data目录：存放所有程序生成的中间文件和结果文件，保持根目录整洁。
- 分P处理：
- 若分P有子标题：文件名为
子标题.srt - 若分P无子标题：文件名为
主标题_P序号.srt
- 若分P有子标题：文件名为
{
"key_points": [
{
"time": "00:07",
"title": "电工入行分享：工种、证书与求职",
"description": "本期分享电工入行知识，强调电工必须持证上岗..."
},
{
"time": "04:28",
"title": "电工入行与考证流程全解析",
"description": "电工入行一般有老师傅带，可从物业电工、工厂学徒等..."
}
]
}- 详细的学习内容，Markdown格式
- 自动去除时间标签，智能分段
- 包含概念解释、方法步骤、应用案例
- 适合学习复习、知识库文档
- 3个引导性问题，帮助理解核心内容
- 由浅入深，总体把握→深入理解→应用扩展
- 适合学习前预习、观看时思考、学后反思
- 9道选择题 + 1道简答题
- 覆盖视频主要知识点，难度适中
- 包含详细答案和解析
- 适合自我检测、复习巩固
支持直接输入B站收藏夹URL，自动获取并处理收藏夹内所有视频。
收藏夹URL格式：
https://space.bilibili.com/UID/favlist?fid=收藏夹ID
使用示例：
# 网页端：直接在URL输入框粘贴收藏夹URL
# 命令行：
python download_and_summarize.py "收藏夹URL" -n 模型名称
# 指定输出文件夹（推荐）
python download_and_summarize.py "收藏夹URL" -f "Python学习合集" -n 模型名称功能特点：
- ✅ 自动识别收藏夹URL和视频URL
- ✅ 支持收藏夹与视频URL混合输入
- ✅ 自动获取收藏夹内所有视频（分页支持）
- ✅ 逐个处理，显示详细进度
- ✅ 单个失败不影响其他视频
适用场景：
- 系列课程批量学习
- 主题资料整理归档
- 知识库批量构建
可以自定义输出文件夹名称，灵活管理生成的文件。
使用示例：
# 网页端：在"自定义文件夹名称"输入框填写
# 命令行：
python download_and_summarize.py "URL" -f "我的学习资料" -n 模型名称应用场景：
-
多视频放同一文件夹：
# 输入多个URL + 指定文件夹名称 python download_and_summarize.py "URL1" -f "Python合集" -n 模型 python download_and_summarize.py "URL2" -f "Python合集" -n 模型 # 或在网页端输入多行URL，指定同一文件夹名
所有视频文件都在
subtitles/Python合集/下，文件名带视频标题前缀 -
收藏夹整理：
python download_and_summarize.py "收藏夹URL" -f "数据结构课程" -n 模型
收藏夹内所有视频整理到同一文件夹
-
主题分类： 按项目、主题或课程创建不同文件夹
新增分P视频下载开关，可精确控制下载内容。
功能说明：
-
开关关闭（默认）：严格按照URL下载，一个URL只下载一个视频
https://bilibili.com/video/BV1xx→ 下载第1个分Phttps://bilibili.com/video/BV1xx?p=3→ 只下载第3个分P
-
开关开启：下载该视频的所有分P（保持原有行为）
https://bilibili.com/video/BV1xx?p=3→ 下载所有分P（第1、2、3...所有）
使用方法：
网页端： 在任务配置区域勾选"下载所有分P视频"复选框
命令行：
# 只下载URL指定的分P（默认）
python download_and_summarize.py "https://bilibili.com/video/BV1xx?p=2" -n 模型
# 下载所有分P
python download_and_summarize.py "https://bilibili.com/video/BV1xx?p=2" -n 模型 --download-all-parts应用场景：
-
精确下载特定章节：
- 只想学习某个系列课程的第5节，URL添加
?p=5，开关关闭
- 只想学习某个系列课程的第5节，URL添加
-
下载完整系列：
- 需要下载整个系列教程，开关开启
-
批量下载多个指定分P：
https://bilibili.com/video/BV1xx?p=1 https://bilibili.com/video/BV1xx?p=5 https://bilibili.com/video/BV1xx?p=10开关关闭，只下载第1、5、10这三个分P
{
"output_directory": "subtitles", // 输出目录
"last_selected_model": "模型名称", // 上次选择的模型
"cookies_file": "cookies.txt", // Cookie文件路径
"auto_refresh_interval": 2000, // 刷新间隔(毫秒)
"web_port": 5000, // Web服务端口
"download_all_parts": false // 是否下载所有分P（默认false）
}{
"models": [
{
"id": "唯一ID",
"name": "显示名称",
"model_name": "模型标识",
"api_base": "API地址",
"api_key": "API密钥"
}
]
}- Cookie必需：下载AI字幕必须配置SESSDATA，有效期约30天
- 多P视频：默认只下载URL指定的视频，可通过开关控制是否下载所有分P
- 无字幕视频：会跳过，不创建文件
- 反爬虫：已内置2秒延迟和重试机制，不要连续处理大量视频
- 收藏夹处理：视频较多时耗时较长，建议使用
--stream查看实时进度 - 安全：妥善保管Cookie，不要分享
- 检查
cookies.txt是否正确配置SESSDATA - 使用
--debug参数查看详细信息 - 在B站播放器确认视频是否真的有字幕
- 重新获取SESSDATA并更新
cookies.txt - Cookie有效期约30天
- 检查网络连接
- 确认视频存在且无地区/权限限制
如果遇到反爬虫限制或请求失败：
- 等待一段时间（建议10-30分钟）再继续
- 更换Cookie：重新登录B站获取新的SESSDATA
- 减少请求频率：不要连续下载太多视频
- 检查网络：确认网络连接正常，尝试访问 bilibili.com
- 程序已内置自动重试机制（最多3次），如果仍失败建议稍后再试
Q: AI字幕必须登录吗？
A: 是的，需要配置SESSDATA。
Q: 收藏夹为空或无法访问？
A: 检查Cookie配置，确认收藏夹权限（可能是私密收藏夹）。
Q: 如何只处理收藏夹中部分视频？
A: 目前不支持筛选，建议创建新收藏夹只添加需要的视频。
Q: 多个视频如何避免文件混乱？
A: 所有文件都带视频标题前缀，不会冲突。留空文件夹名称则每个视频独立文件夹。
Q: 如何打包成exe？
A:
- 普通版：运行
build.bat，结果在release目录。 - GPU加速版（推荐）：运行
powershell -ExecutionPolicy Bypass -File build_package.ps1，结果在release_v2.0_gpu目录。
本项目提供了一键构建脚本，自动配置带有 CUDA 加速的独立运行环境，适合分发给 N 卡用户。
构建步骤：
- 确保系统已安装 PowerShell（Windows默认自带）。
- 在项目根目录打开终端，运行以下命令：
powershell -ExecutionPolicy Bypass -File build_package.ps1脚本自动执行流程：
- 环境准备：自动检测并安装高性能包管理器
uv（使用清华源加速）。 - 虚拟环境：创建干净独立的虚拟环境 (
.venv)。 - 依赖安装：
- 自动配置
requirements-gpu.txt中的依赖。 - 专门安装 PyTorch (CUDA 12.1) 版本，确保 GPU 加速可用。
- 自动配置
- 打包程序：使用 PyInstaller 打包为独立 EXE，并处理 NVIDIA 动态库路径问题。
- 输出结果：生成完整的整合包到
release_v2.0_gpu目录，解压即用。
注意：构建过程需要下载约 3-4GB 的依赖包（主要是 PyTorch CUDA 版），请保持网络畅通。
MIT License
本工具仅供学习交流使用，请勿用于商业目的，请遵守Bilibili的服务条款和相关法律法规。