📹 video-to-brain

🌐 English | 中文

手机发视频，AI 帮你做笔记。

不是转文字。是真的帮你做笔记——提炼要点、摘金句、列行动项、自动分类存入 Obsidian。

🎯 Built by a non-coder using vibe coding. If I can build this, you can too.

┌──────────┐    ┌──────────────┐    ┌─────────┐    ┌──────────┐    ┌──────────┐
│ 📱 手机   │───▶│ 🤖 Telegram  │───▶│ 🎙️ AI   │───▶│ 🧠 智能   │───▶│ 📚 知识库 │
│ 发/转发   │    │  Bot 接收    │    │ 转文字   │    │ 分析笔记  │    │ Obsidian │
│ 视频     │    │ (最大2GB)    │    │(Whisper) │    │(LLM分析)  │    │ 自动分类  │
└──────────┘    └──────────────┘    └─────────┘    └──────────┘    └──────────┘

真实效果：发 135MB 视频 → 3分钟后收到 AI 笔记，自动存入 Obsidian

工作流程动画演示
完整流程：发视频 → 转录 → AI 分析 → 笔记存入 Obsidian

📸 看看生成的笔记长什么样： 学习笔记示例 · 内容素材示例

🤔 Before vs After

没有这个工具之前：

看到一个好视频 → 想着回头整理 → 忘了 → 再也找不到
                                    ↑
                              90%的人卡在这里

用了之后：

看到好视频 → 转发给机器人 → 几分钟后收到：
  ✅ 一句话总结
  ✅ 5个核心要点
  ✅ 金句摘录
  ✅ 行动项清单
  ✅ 自动存入 Obsidian，带时间戳

你省下了什么？

🕐 一个 30 分钟的视频，手动记笔记要 20 分钟。这个工具 2 分钟搞定。
🧠 不是转录文字——是理解内容后帮你整理出可用的笔记。
🔍 3 个月后搜"那个视频说的什么来着"——Obsidian 搜一下就找到了。

✨ 核心功能

🤖 AI 智能笔记（不只是转文字）

同一段视频，选不同的模板，得到完全不同的笔记：

📚 学习模式 — 知识点 + 概念解析 + 延伸思考

## 🔑 核心要点
1. RAG 检索增强生成的三个关键步骤：索引、检索、生成
2. 向量数据库选型：Pinecone 适合生产环境，Chroma 适合原型

## 📖 概念解析
- RAG (Retrieval-Augmented Generation): 让 AI 先搜索再回答...

## 🧠 延伸思考
- 如果结合知识图谱，RAG 的准确率能提升多少？

🎙️ 会议模式 — 讨论要点 + 共识 + 待办事项

## 🔑 核心要点
1. Q2 预算需要削减 15%，优先砍营销支出

## ✅ 达成共识
- 新产品推迟到 Q3 发布

## ✅ 行动项
- [ ] 张总下周提交修订版预算
- [ ] 产品组更新发布时间线

✍️ 内容素材模式 — 爆款观点 + 推文草稿

## 🔥 爆款观点
- 99% 的人都在用 AI 聊天，只有 1% 的人用 AI 赚钱

## 🐦 推文草稿
草稿 1:
> 你以为 AI 是聊天工具？别人已经用它年入百万了。差距不在工具，在脑子。

📰 资讯模式 — 核心论点 + 关键数据 + 我的思考

## 🔑 核心论点
1. 2025 年 AI Agent 市场规模将达到 500 亿美元

## 📊 关键数据
- GPT-4o 推理速度提升 3 倍，成本降低 50%

## 🧠 延伸思考
- 这对个人开发者意味着什么？

⏱️ 时间戳导航

笔记自动标记视频时间线，方便回看：

## ⏱️ 时间线
- **`00:00`** 开场，今天讲三个关于 AI 创业的误区...
- **`03:25`** 第一个误区：以为必须会写代码...
- **`08:10`** 第二个误区：追求完美再发布...
- **`15:30`** 实操演示：用 vibe coding 30 分钟做一个工具...

🔓 突破 20MB 限制

普通方式（Bot API）:   手机 → Telegram → Bot API → ❌ 20MB 限制
video-to-brain:        手机 → Telegram → MTProto → ✅ 最大 2GB

一个 30 分钟的视频可能 200MB+。Telegram Bot API 只能下 20MB。我们用 Pyrogram MTProto 协议直接绕过这个限制。

📱 手机就能用

不用开电脑。手机看到好视频，转发给机器人就完事了。转发别人的视频也行。

🚀 快速开始

环境要求

Python 3.10+
ffmpeg（音频提取）
Whisper（语音转文字）
Telegram Bot Token
(可选) Telegram API ID & Hash — 突破 20MB 限制
(可选) LLM API Key — 开启 AI 智能笔记

安装

# 1. 克隆项目
git clone https://github.com/LunaAI519/video-to-brain.git
cd video-to-brain

# 2. 安装依赖
pip install -r requirements.txt

# 3. 安装 ffmpeg
# macOS:
brew install ffmpeg
# Linux:
sudo apt install ffmpeg

# 4. 安装 Whisper
pip install openai-whisper

配置

cp .env.example .env

编辑 .env 文件：

# 必填
TELEGRAM_BOT_TOKEN=your_token_here

# 可选：大视频支持
TELEGRAM_API_ID=your_api_id
TELEGRAM_API_HASH=your_api_hash

# 可选：AI 智能笔记（支持 OpenAI / Claude / Ollama 等）
LLM_API_KEY=your_key
LLM_BASE_URL=https://api.openai.com/v1
LLM_MODEL=gpt-4o-mini

# 用本地 Ollama（完全免费）:
# LLM_BASE_URL=http://localhost:11434/v1
# LLM_MODEL=llama3
# LLM_API_KEY=ollama

# 笔记保存路径
OBSIDIAN_VAULT=~/Documents/my-vault

如何获取 Telegram API ID：

打开 https://my.telegram.org
用手机号登录
点 "API development tools"
填 App 名字和描述
拿到 API ID（数字）和 API Hash

一键启动

python bot.py

Bot 命令：

/start — 查看状态
/help — 使用说明
/template — 切换笔记模板（学习/会议/资讯/素材/自动）
/vault <路径> — 修改保存位置
/status — 查看当前设置

三种运行档次

	基础版	标准版	完整版
转文字	✅	✅	✅
时间戳	✅	✅	✅
大视频(>20MB)	❌	✅	✅
AI 智能笔记	❌	❌	✅
需要配置	Bot Token	+ API ID/Hash	+ LLM API Key
费用	免费	免费	LLM API 费用

作为 Python 库使用

from src import video_to_text, generate_note
from src.ai_processor import analyze_transcript

# 转录 + 时间戳
text, timestamps, duration = video_to_text("video.mp4", with_timestamps=True)

# AI 分析
analysis = analyze_transcript(text, template="study")

# 生成笔记
note_path = generate_note(
    transcript=text,
    output_dir="~/Documents/my-vault/",
    ai_analysis=analysis,
    timestamps=timestamps,
    duration_seconds=duration,
)

🐳 Docker 一键部署（推荐）

不想折腾 ffmpeg、Whisper 安装？用 Docker：

# 1. 克隆 + 配置
git clone https://github.com/LunaAI519/video-to-brain.git
cd video-to-brain
cp .env.example .env
# 编辑 .env，填入你的 token

# 2. 一键启动
docker compose up -d

# 查看日志
docker compose logs -f

就这么简单。ffmpeg、Whisper 全部自动装好。

🔒 安全特性

访问控制 — ALLOWED_USERS 白名单，只有指定的人能用
频率限制 — RATE_LIMIT 防止滥用（默认 5 次/分钟）
密钥隔离 — 所有敏感信息走 .env，不进代码
安全策略 — SECURITY.md 定义了漏洞报告流程

# .env 中配置白名单（强烈建议）
ALLOWED_USERS=123456789,987654321
RATE_LIMIT=5

📁 项目结构

video-to-brain/
├── src/
│   ├── __init__.py           # 包入口
│   ├── env_loader.py         # 环境变量加载（共享）
│   ├── large_download.py     # Pyrogram 大视频下载（突破20MB）
│   ├── transcriber.py        # ffmpeg + Whisper 转录 + 时间戳
│   ├── note_generator.py     # Obsidian 笔记生成（支持AI模板）
│   └── ai_processor.py       # LLM 智能分析（4种模板）
├── tests/                    # 测试套件
├── examples/
│   └── basic_usage.py        # 用法示例
├── docs/
│   └── telegram-setup.md     # Telegram 配置教程
├── bot.py                    # Telegram Bot 一键启动
├── Dockerfile                # Docker 镜像
├── docker-compose.yml        # Docker Compose 配置
├── .env.example              # 环境变量模板
├── requirements.txt          # Python 依赖
├── LICENSE                   # MIT 协议
└── README.md

💡 使用场景

场景	怎么用	推荐模板
📚 看到好的教学视频	转发给机器人	学习模式
🎙️ 会议/通话录音	直接发给机器人	会议模式
📰 播客/采访/资讯	转发过来	资讯模式
✍️ 找内容灵感	发视频，提取爆点	素材模式
📋 不确定什么类型	交给AI判断	自动模式

🙋 FAQ

Q: 我不会写代码，能用吗？ A: 这个项目就是一个不会写代码的人做的。按安装教程一步步来就行。

Q: AI 分析要花钱吗？ A: 不配置 LLM 也能用（基础转录模式免费）。配置了 LLM，费用取决于你用的模型。gpt-4o-mini 很便宜，一个视频大概几分钱。也可以用 Ollama 跑本地模型，完全免费。

Q: 转录准确吗？ A: Whisper 的中英文质量很高。如果遇到专业术语不准，在 .env 里加 initial_prompt 提示。

Q: 需要 GPU 吗？ A: 不需要。turbo 模型在 CPU 上也能跑，10 分钟视频大约 2-3 分钟。有 GPU 会更快。

Q: 支持什么视频格式？ A: mp4, mov, avi, mkv, webm — ffmpeg 能处理的都行。

Q: 转发别人的视频可以吗？ A: 可以。转发过来的视频会自动标注来源。

Q: 笔记能自动分类到 Obsidian 不同文件夹吗？ A: 能。AI 会根据内容自动判断分类（学习→知识库，商业→商业文件夹等）。

🛣️ Roadmap

📄 License

MIT — 随便用，不用问。

🌟 关于

我是 Luna，金融管理层，零编程基础。

2025 年开始用 AI + vibe coding 做自己的工具。这是我的第一个开源项目。

起因很简单： 我在外面跑了一天，路上刷到好几个有价值的视频。想发给 AI 帮我整理笔记，结果 Telegram 有 20MB 限制，发不了。

这个问题困扰了我半天。然后我用 vibe coding 解决了。

你不需要变成程序员。你只需要知道问题在哪。

AI 负责怎么做。你负责做什么。

⭐ 如果觉得有用，给个 Star 吧！

🔗 相关链接

姊妹项目：xsub，给 X/Twitter 视频加中文字幕的浏览器扩展
Claude Code skill：motion-skill，一张参考图生成复古剪贴报风格动画
作者主页：imluna.ai