App10 - 视频转写工具

核心价值

本地GPU加速的视频/音频转文字，充分利用4090算力。

性能参考

使用RTX 4090 + Whisper large-v3：

视频时长	处理时间	速度倍率
5 分钟	~30 秒	10x
30 分钟	~3 分钟	10x
1 小时	~6 分钟	10x

核心功能

语音识别

• 支持视频：MP4, AVI, MKV, MOV
• 支持音频：MP3, WAV, FLAC
• 多语言：自动检测中/英/日/韩

字幕生成

• SRT格式带时间戳
• 可导出纯文本

内容整理

• LLM驱动的摘要
• 要点提取

技术栈

• 语音识别：OpenAI Whisper (large-v3)
• 视频处理：FFmpeg
• 后端：FastAPI
• 部署：Docker + NVIDIA GPU

配置

环境变量	默认值	说明
WHISPER_MODEL	large-v3	模型大小
WHISPER_DEVICE	cuda	计算设备
MAX_FILE_SIZE_MB	500	最大文件