作品简介

一款内嵌于 B 站视频页右侧栏的 Chrome 插件，基础字幕功能源自 B 站博主 @离谱lipu-，作者在此基础上增加了音频转写能力。它优先读取视频公开字幕，交给大模型流式生成简要总结、时间线和原文亮点；没有字幕的视频则用 B 站登录 Cookie 获取音频、调用配置的转写服务后再总结。工作原理上，插件通过 B 站公开接口获取视频信息与字幕列表，在原字幕中插入带真实时间的定位锚点，模型只负责选择锚点和组织章节，时间线与亮点点击即可跳转播放。

核心亮点

字幕优先：优先读取中文字幕、其次英文字幕，流式生成简要总结、可跳转时间线和带时间点的原文亮点
无字幕也能总结：用登录 Cookie 获取音频，转换为 MP3 后调用 DashScope Filetrans 或 OpenAI 兼容转写接口，作者推荐 whisper-large-v3-turbo 模型
继续提问：基于总结与相关字幕追问，回答中的时间点同样可跳转播放；选中文字后可直接引用提问
覆盖面广：支持普通视频、合集、多 P 和稍后再看页面；可开启「进入视频后自动总结」
本地缓存：总结与最近 10 轮问答本地保存，支持历史查看、删除和重新总结
隐私可控：API Key 仅存浏览器本地，确认授权后才会把视频标题、字幕等发送给所配置的 LLM 服务，开发者不接收或中转数据
界面可调：浅色/深色/跟随系统主题、面板折叠、紧凑时间线等设置

技术与工具

Chrome 浏览器扩展，开发者模式加载即用
调用 OpenAI Chat Completions 兼容接口，默认配置 DeepSeek，也可填写其他兼容服务
无字幕转写支持 DashScope Filetrans 与 OpenAI 兼容接口；音频经 lamejs 统一转为单声道 16kHz、64k MP3，分段上传避开服务端 600 秒上限
开发使用 AI 编程工具搭配国际顶级模型

开发过程

在 @离谱lipu- 的字幕总结插件基础上做增强，加入音频转写路线
作者的经验总结：对浏览器扩展而言，改功能和修 BUG 不如直接重构

适用场景

B 站长视频快速总结学习、长视频内容提炼梳理，省去完整观看的时间
无字幕老视频的内容转写与要点提取

原始提交内容（点开查看，可复制全文去问 AI）

B站视频总结助手

基础字幕功能源自B站博主@离谱lipu-，我是增加一个音频转写的功能。一个内嵌于 B 站视频页右侧栏的 Chrome 插件。它优先读取视频公开字幕；没有字幕时，可以使用 B 站登录 Cookie 获取音频并调用配置的转写服务，再通过 OpenAI 兼容的 LLM API 流式生成简要总结、时间线和原文亮点。

功能&特性

优先读取中文字幕，其次英文字幕
流式生成简要总结、可跳转时间线和带时间点的原文亮点
基于总结与相关字幕继续提问，回答中的时间点可跳转播放
选中文字后直接引用提问
支持普通视频、合集、多 P 和稍后再看页面
无字幕视频支持 DashScope Filetrans 或 OpenAI 兼容转写接口
OpenAI 兼容转写使用 lamejs 1.2.1 将音频转换为 MP3；编码器按 LGPL 条款随扩展独立提供，许可证见 src/vendor/lamejs-LICENSE.txt
支持自动读取、导入和导出 B 站 Cookie
本地缓存总结与最近 10 轮问答，支持历史查看、删除和重新总结
支持 DeepSeek 及其他 OpenAI Chat Completions 兼容服务
提供浅色、深色、跟随系统、面板折叠、紧凑时间线和侧栏顺序等设置

安装

下载或克隆本仓库。
打开 Chrome 的 chrome://extensions/。
开启右上角的“开发者模式”。
点击“加载已解压的扩展程序”，选择仓库根目录。
刷新已打开的 B 站页面。

配置与使用

点击插件面板中的设置按钮。
填写 API Key，并确认数据发送授权。
如果要总结无字幕视频，在“无字幕转写”区域填写转写 API Key 和模型；默认使用 DashScope Filetrans。
打开 B 站视频，点击“总结”。有字幕时直接总结；无字幕时会使用登录 Cookie 获取音频并转写。
使用 OpenAI 兼容转写时，可在设置里改“音频切片秒数”和“单次请求超时秒数”。扩展会把 B 站音频统一转换为单声道、16kHz、64k MP3 后上传；为避开服务常见的 600 秒上限，实际单段最多使用 540 秒，单次请求默认超过 180 秒算失败。

设置中的“进入视频后自动总结”打开后，扩展会在视频信息和字幕/音频准备完成后自动开始总结；关闭时保持手动总结。

默认配置：

Base URL：https://api.deepseek.com
Model：deepseek-v4-flash

也可以填写其他 OpenAI 兼容服务的根地址、/v1 地址或完整的 /chat/completions 地址。使用自定义服务时，扩展只申请对应 API 域名的访问权限。

6.建议使用openai兼容格式，使用whisper-large-v3-turbo模型（找到有这个中转站用，我用的是V-api,这个中转站很贵，但这个模型在家他有，本地部署可以考虑千问的ASR），切片设置600秒。

工作原理

扩展通过 B 站公开接口获取视频信息和字幕列表，再读取字幕 JSON。程序会在原字幕中插入带真实时间的定位锚点，并将完整字幕一次性发送给 LLM。模型只负责选择已有锚点和组织章节，插件负责把锚点映射回视频时间，因此时间线和亮点均可点击跳转。

主要接口：

x/web-interface/view：获取视频信息与 cid
x/player/wbi/v2：获取字幕列表
字幕文件中的 body[].from/to/content：获取时间与正文

数据与隐私

API Key 仅保存在当前浏览器的 chrome.storage.local 中。
总结、问答和时间锚点保存在浏览器本地，最多保留 100 条视频记录。
只有在用户确认授权后，视频标题、字幕、引用文字和问题才会发送给所配置的 LLM 服务。
开发者不接收或中转上述数据。

完整说明见 PRIVACY.md（原资料链接未迁移）。

限制

无字幕回退依赖有效的 B 站登录 Cookie 和可用的转写服务配置。
B 站音频直链具有时效性，Cookie 失效或播放接口权限变化时需要重新登录并刷新 Cookie。
OpenAI 兼容转写会优先下载 bilivideo.com 官方音频；PCDN 域名或缺少网站权限时，以前会直接显示 Failed to fetch。
没有句子时间戳的转写结果只能建立 0:00 起始锚点，不能提供精确时间线。
超长字幕会按设置中的字符上限截断。