// 01 AI-Media2Doc 是什么
AI-Media2Doc 是一款开源的 AI 图文创作助手，能够将音频和视频内容一键转换为多种风格的文档，如小红书笔记、微信公众号文章、知识笔记、思维导图等。该工具基于大语言模型（LLM）技术，支持本地部署，保护用户隐私，适用于内容创作者、教育工作者、学生等需要将视听内容转化为文字资料的用户群体。
🚀 如何使用 AI-Media2Doc？
获取项目源码：访问 GitHub 仓库 https://github.com/hanshuaikang/AI-Media2Doc 下载项目源码。
本地部署：根据仓库中的说明，使用 Docker 或其他方式进行本地部署。
上传媒体文件：在部署好的 Web 界面中，上传需要转换的音频或视频文件。
选择输出格式：选择所需的文档风格，如小红书笔记、公众号文章等。
生成文档：系统将自动处理并生成对应的文档，用户可进行编辑、导出等操作。
🔧 主要功能
多风格文档生成：支持生成小红书笔记、公众号文章、知识笔记、思维导图等多种风格的文档。
AI 二次对话：支持基于视频内容进行 AI 问答，进一步提取和整理信息。
本地部署：完全开源，支持本地部署，无需登录注册，保护用户隐私。
前端处理：采用 ffmpeg wasm 技术，音视频在浏览器中解析，无需本地安装 ffmpeg。
⚙️ 技术原理
AI-Media2Doc 结合了语音识别和大语言模型技术，实现了从音视频到文档的自动转换。其语音识别部分基于 fast-whisper 模型，支持中英混杂、方言识别，准确率高达 95%。内容生成部分利用大语言模型，自动生成标题、分段、重点标注等，甚至根据平台风格添加 emoji 和标签。
🎯 应用场景
学生学习：提取网课笔记和思维导图，方便复习。
教师备课：将视频转为教案，快速整理课程内容。
自媒体创作：拆解视频，生成图文、剧本或脚本，提供创作灵感。
知识管理：视频转结构化笔记，便于管理和回顾。
内容创作：视频转公众号或小红书文案，提升创作效率。
📂 项目地址
// 02 核心 功能
- 核心定位一款开源的 AI 图文创作助手，能够将音频和视频内容一键转换为多种风格的文档，如小红书笔记、微信公众号文章、知识笔记、思维导图等。
- 分类索引当前归档在 AI 音频，方便和同频工具横向比较。
- 能力标签关联标签包括 price-open-source、tech-speech。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 音频 定位和 price-open-source、tech-speech 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
// 04 常见 问题
AI-Media2Doc 是什么？
一款开源的 AI 图文创作助手，能够将音频和视频内容一键转换为多种风格的文档，如小红书笔记、微信公众号文章、知识笔记、思维导图等。
AI-Media2Doc 适合哪些场景？
可优先参考它所属的 AI 音频 分类，以及 price-open-source、tech-speech 等标签。
AI-Media2Doc 是否提供可用入口？
本页已记录官网或下载入口，可通过顶部主按钮访问。
AI-Media2Doc 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
