English | 简体中文 | Get a gemini key

👉 FastAPI（Web UI）

Transcribe audio to text with Google Generative AI (Gemini). Optionally fetch audio from video sites via yt-dlp and then transcribe. Support direct video URL download with automatic proxy detection. Support Douyin short-link/share-text via Tiksave to fetch MP3 direct link and then transcribe. Default model is gemini-2.5-flash.

• Reference: yt-dlp README
• Supported sites: yt-dlp Supported Sites

Tested in this project with YouTube (built-in --youtube) and Bilibili (download via yt-dlp first, then pass --audio). Use in compliance with sites' ToS and local laws.

pip install -r requirements.txt

Or install manually:

pip install google-generativeai
pip install yt-dlp
pip install requests

Optional: install ffmpeg for more robust audio extraction. Without it, the script falls back to the original audio format.

• Option A: Environment variable GOOGLE_API_KEY (or GEMINI_API_KEY)
  • Windows CMD: set GOOGLE_API_KEY=YOUR_KEY
  • PowerShell: $env:GOOGLE_API_KEY="YOUR_KEY"
  • macOS/Linux: export GOOGLE_API_KEY="YOUR_KEY"
• Option B: --api-key YOUR_KEY CLI flag

The program automatically uses proxy settings from system environment variables. Supported environment variables:

• HTTP_PROXY / http_proxy: HTTP proxy
• HTTPS_PROXY / https_proxy: HTTPS proxy

You can also override system proxy settings via command line arguments:

python main.py --video-url URL --proxy http://127.0.0.1:7890

• Local audio:

  python main.py --audio ./path/to/audio.m4a --lang en --api-key YOUR_KEY

• YouTube (auto download to ./data and transcribe, In theory, all websites in the yt-dlp list support):

  python main.py --youtube https://www.youtube.com/watch?v=VIDEO_ID --lang en --api-key YOUR_KEY

• Video direct link (auto download video, extract audio to ./data and transcribe):

  python main.py --video-url https://example.com/video.mp4 --lang en --api-key YOUR_KEY

• Douyin short link or share text (via Tiksave: extract MP3 direct link, download to ./data and transcribe):

  python main.py --douyin "复制这条口令 https://v.douyin.com/xlaEmh_fVPg/ 打开Dou音..." --lang en --api-key YOUR_KEY

  • The program posts to https://tiksave.io/api/ajaxSearch with your share text, parses returned HTML for the “Download MP3” link (e.g. https://dl.snapcdn.app/get?...), downloads MP3 as ./data/douyin_{TikTokId}.mp3 (or timestamped if missing), then transcribes.

• Proxy:

  python main.py --youtube URL --api-key YOUR_KEY --proxy http://127.0.0.1:7890

• Model selection:

  python main.py --audio ./a.mp3 --model gemini-2.5-flash --api-key YOUR_KEY

• Streams incremental transcript to stdout
• Saves the full text to a .txt file
  • Local audio: same basename as the input
  • YouTube/Douyin: ./data/<basename>.txt

• --audio, --youtube, --model, --lang, --out
• --proxy, --proxy-http, --proxy-https
• --api-key (or env var GOOGLE_API_KEY/GEMINI_API_KEY)

• 本地音频转写（WAV/MP3/M4A 等常见格式）
• 一键下载 YouTube 音频并转写（需 yt-dlp，可选安装 ffmpeg 以获得更高质量/更好兼容的音频）
• 视频直链下载和音频提取（自动使用系统代理）
• 抖音分享口令/短链通过 Tiksave 提取 MP3 直链后下载并转写
• 流式输出到标准输出，同时将完整文本保存为 .txt
• 提供 --lang 语言提示与 --model 模型选择
• 支持代理：--proxy / --proxy-http / --proxy-https
• 自动使用系统环境变量中的代理设置

• 完整站点列表请见：yt-dlp 的支持网站页面
  • https://github.com/yt-dlp/yt-dlp/blob/master/supportedsites.md
• 当前已在本项目中亲测站点：
  • YouTube（命令行内置 --youtube 直连下载与转写）
  • Bilibili（通过 yt-dlp 先下载音频，再使用 --audio 转写）

请在遵守各网站服务条款与当地法律的前提下合规使用。

1. 安装依赖（建议使用虚拟环境）：

pip install -r requirements.txt

或者手动安装：

pip install google-generativeai
pip install yt-dlp
pip install requests

2)（可选）安装 ffmpeg：用于更稳定的音频提取与转码。未安装时，程序会自动回退为原始音频格式。

• 方式一（推荐）：设置环境变量 GOOGLE_API_KEY（或 GEMINI_API_KEY）
  • Windows CMD:

    set GOOGLE_API_KEY=你的密钥

  • PowerShell:

    $env:GOOGLE_API_KEY="你的密钥"

  • macOS/Linux:

    export GOOGLE_API_KEY="你的密钥"

• 方式二：运行时通过 --api-key 参数传入

程序会自动使用系统环境变量中的代理设置，支持以下环境变量：

• HTTP_PROXY / http_proxy: HTTP代理
• HTTPS_PROXY / https_proxy: HTTPS代理

设置示例：

• Windows CMD:

  set HTTP_PROXY=http://127.0.0.1:7890
  set HTTPS_PROXY=http://127.0.0.1:7890

• PowerShell:

  $env:HTTP_PROXY="http://127.0.0.1:7890"
  $env:HTTPS_PROXY="http://127.0.0.1:7890"

• macOS/Linux:

  export HTTP_PROXY="http://127.0.0.1:7890"
  export HTTPS_PROXY="http://127.0.0.1:7890"

也可以通过命令行参数覆盖系统代理设置：

python main.py --video-url URL --proxy http://127.0.0.1:7890

• 本地音频转写：

  python main.py --audio ./path/to/audio.m4a --lang zh --api-key YOUR_KEY

• 直接处理 YouTube 链接（自动下载到 ./data 后转写，理论上 yt-dlp 列表内的网站都支持）：

  python main.py --youtube https://www.youtube.com/watch?v=VIDEO_ID --lang zh --api-key YOUR_KEY

• 处理视频直链（自动下载视频，提取音频到 ./data 后转写）：

  python main.py --video-url https://example.com/video.mp4 --lang zh --api-key YOUR_KEY

• 处理抖音分享口令或短链（通过 Tiksave 提取 MP3 直链，下载到 ./data 并转写）：

  python main.py --douyin "0.25 aNJ:/ ... https://v.douyin.com/xlaEmh_fVPg/ 复制此链接，打开Dou音搜索，直接观看视频！" --lang zh --api-key YOUR_KEY

  • 程序会向 https://tiksave.io/api/ajaxSearch 提交你的分享文案/短链，解析返回的 HTML，提取“下载 MP3”按钮的直链（如 https://dl.snapcdn.app/get?...），将音频保存为 ./data/douyin_{TikTokId}.mp3（若缺失则用时间戳），随后进行转写。

• 使用代理（如本地 HTTP 代理 127.0.0.1:7890）：

  python main.py --youtube URL --api-key YOUR_KEY --proxy http://127.0.0.1:7890

• 指定模型：

  python main.py --audio ./a.mp3 --model gemini-2.5-flash --api-key YOUR_KEY

• 转写时会将增量结果流式打印到标准输出
• 若使用 --out 指定文件路径则保存到对应位置；未指定时：
  • 处理本地音频：保存为与音频同名的 .txt
  • 处理 YouTube/抖音：保存到 ./data/同名.txt

• 该功能依赖第三方服务 Tiksave 的可用性，若接口或页面结构变化，可能导致解析失败。
• 若访问 Tiksave 较慢或失败，请确认你的网络或代理设置是否可访问境外站点。

• --audio: 本地音频文件路径
• --youtube: YouTube 视频链接（自动下载音频）
• --video-url: 视频直链URL（自动下载视频并提取音频）
• --douyin: 抖音分享口令或短链（自动解析并下载音频）
• --model: 模型名称（默认 gemini-2.5-flash）
• --lang: 语言提示（如 zh/en/ja）
• --out: 输出文本路径（可选）
• --proxy / --proxy-http / --proxy-https: 代理设置
• --api-key: 直接传入 API Key（或使用环境变量）