Github 链接：https://github.com/TobyKSKGD/PodGist
AI 音频提炼工具 · 以时间轴为核心 | 让音频内容可搜索、可定位、可复用
简介
PodGist 是一个基于云端 AI 的音频内容结构化工具。它通过语音转录（阿里云 DashScope ASR）和大语言模型（通义千问）分析，将各类音频（播客、讲座、会议录音等）转化为带精确时间轴的结构化摘要。
设计理念：在所有音频总结工具都在卷”总结得多详细”的时候，我们选择回到音频内容最独特的价值——时间。每一期播客、每一段录音，其核心价值不仅在于说了什么，更在于什么时候说的。时间轴让你可以直接跳转到感兴趣的部分，而不用在漫长的音频里猜测”这部分大概在几分几秒”。
核心特性：以时间轴为中心
PodGist 所有功能都围绕时间轴展开：
| 功能 | 说明 |
|---|---|
| 精确时间戳 | 逐字稿带 [MM:SS] 时间戳，每个字都能在音频中找到对应位置 |
| 高光时间轴 | AI 从全部内容中提炼最值得关注的时刻，直接跳转无需猜测 |
| 语义定位 | 向 AI 提问”这段话在第几分钟”，AI 告诉你具体时间戳 |
| 归档溯源 | 每条引用自动标注来源归档和时间，回复中所有观点都有据可查 |
安装与使用
macOS 版本
系统要求
- macOS 12.0 (Monterey) 或更高版本
- Apple Silicon (M1/M2/M3/M4)
- 推荐 8GB 以上内存
安装步骤
1. 下载安装包
点击 PodGist Releases 下载 PodGist-X.Y.Z-mac-arm64.dmg 文件。
2. 安装应用
打开下载的 .dmg 文件
将 PodGist.app 拖入 Applications（应用程序）文件夹
3. 启动应用
双击 PodGist
首次启动若提示"无法打开"，
前往 系统设置 → 隐私与安全性
滚动到底部，点击"仍要打开"
4. 配置 API Key
应用启动后，右侧边栏底部点击偏好设置，输入你的阿里云 DashScope API Key 并保存。
没有 API Key？访问 阿里云百炼控制台 注册获取，新用户有免费额度。
5. 开始使用
- 本地文件：拖拽 MP3、WAV、M4A 等音频文件
- 播客链接：粘贴小宇宙、喜马拉雅、Apple Podcasts、网易云等平台链接
- B站视频：粘贴 Bilibili 视频链接
- 智能对话：向全部历史归档提问，基于 RAG 精准定位相关内容
Windows 版本
系统要求
- Windows 10 或 Windows 11
- 推荐 8GB 以上内存
安装步骤
1. 下载安装包
点击 PodGist Releases 下载 PodGist-X.Y.Z-win-x64.exe 安装包。
2. 安装应用
运行下载的 .exe 安装程序，按提示完成安装。
3. 启动应用
从开始菜单或桌面快捷方式启动 PodGist。
4. 配置 API Key
应用启动后，右侧边栏底部点击偏好设置，输入你的阿里云 DashScope API Key 并保存。
没有 API Key？访问 阿里云百炼控制台 注册获取，新用户有免费额度。
5. 开始使用
- 本地文件：拖拽 MP3、WAV、M4A 等音频文件
- 播客链接：粘贴小宇宙、喜马拉雅、Apple Podcasts、网易云等平台链接
- B站视频：粘贴 Bilibili 视频链接
- 智能对话：向全部历史归档提问，基于 RAG 精准定位相关内容
功能概览
- 本地音频文件转录摘要
- 播客链接解析（小宇宙/Apple/喜马拉雅/网易云）
- B站视频音频提取
- 阿里云 DashScope ASR 转录
- 通义千问 LLM 摘要生成
- 精确时间轴逐字稿
- 高光时间轴提炼
- 智能对话与 RAG 语义搜索
- 标签管理与归档整理
- 批量处理
快速开始（开发者）
前置要求
- Python 3.10+
- Node.js 18+（含 npm）
- FFmpeg
安装步骤
# 克隆项目
git clone https://github.com/TobyKSKGD/PodGist.git
cd PodGist
# 安装 Python 依赖
pip install -r requirements.txt
# 安装前端依赖
cd frontend && npm install && cd ..
# 启动
npm run dev
访问 http://localhost:5173，在偏好设置中配置 DashScope API Key。
技术架构
┌─────────────────────────────────────────────────────┐
│ React Frontend │
│ (http://localhost:5173) │
│ Tabler Icons · Tailwind CSS v4 │
└──────────────────────┬──────────────────────────────┘
│ HTTP / REST
▼
┌─────────────────────────────────────────────────────┐
│ FastAPI Backend │
│ (http://localhost:8000) │
│ DashScope ASR · 通义千问 · yt-dlp · FFmpeg │
└─────────────────────────────────────────────────────┘
技术选型
- DashScope ASR：阿里云 qwen3-asr-flash / paraformer 云端转录，中文识别准确率领先
- 通义千问（qwen-plus）：LLM 摘要生成，质量稳定
- ChromaDB + Sentence Transformers：本地向量数据库，RAG 语义搜索
- yt-dlp：多平台音视频下载
后端模块
| 模块 | 功能 |
|---|---|
api.py | FastAPI 主服务，RESTful 接口 |
backend/transcriber.py | DashScope ASR 云端转录 |
backend/llm_agent.py | 通义千问 LLM 摘要生成 |
backend/rag_db.py | SQLite + ChromaDB（RAG 存储） |
backend/rag_retriever.py | RAG 检索与流式生成 |
backend/downloader.py | 多平台音频下载 |
backend/worker.py | 后台任务队列 |
backend/task_queue.py | SQLite 任务状态管理 |
支持的平台
播客平台
| 平台 | 说明 |
|---|---|
| 小宇宙 | 自动解析 MP3 直链 |
| 喜马拉雅 | 自动解析并下载音频 |
| Apple Podcasts | 自动提取音频 |
| 网易云音乐 | 支持播客单集链接 |
视频平台
| 平台 | 说明 |
|---|---|
| Bilibili | 提取视频音频 |
为什么放弃本地大模型
PodGist 最初设计时，目标是利用本地算力（Whisper + 开源模型）完成全部处理——这样用户不需要付任何 API 费用。
但在开发过程中，我们深刻体会到了这条路线的根本问题：
硬件门槛太高。苹果 M 系列芯片能跑，但 8GB 内存捉襟见肘；NVIDIA 显卡是最佳选择，但大多数用户没有配备中高端 GPU。”最低要求”和”流畅使用”之间的差距，让本地方案始终是少数人的专利。
环境配置复杂到令人窒息。PyTorch 版本、CUDA 版本、modelscope、funasr、whisper，每一层都有各自的依赖地狱。开发团队自己都难以在不同机器上复现问题，用户就更不用说了。”为什么安装失败”成了 GitHub Issues 里最难回答的问题。
更新维护成本巨大。模型版本、依赖兼容性、硬件驱动……每次升级都可能引入新的问题，而这些与产品核心价值无关。
最终，我们选择了云端 API：
- 用户只需要一个 API Key，5 秒开始使用
- 阿里云 DashScope 同时提供 ASR 转录和 LLM 摘要，同一密钥打通全流程
- 代码库大幅简化，维护成本降到最低
- 开发者可以把精力放在真正重要的功能上——时间轴
📋 完整更新日志见 CHANGELOG.md
未来重心：时间轴生态
时间轴是 PodGist 的核心。我们计划围绕时间轴构建更多能力：
- 时间轴协作：在时间轴上添加个人笔记和标注
- 多语言时间轴：同一时间轴支持中英文字幕对照
- 时间轴分享：生成带有时间链接的分享卡片
依赖
前端
- React – UI 框架
- Vite – 构建工具
- Tailwind CSS – 样式框架
- Tabler Icons – 图标库
- Axios – HTTP 客户端
后端
- FastAPI – Web 框架
- DashScope SDK – ASR + LLM
- yt-dlp – 音视频下载
- ChromaDB – 向量数据库（RAG）
- Sentence Transformers – 文本向量化（RAG）
许可证
MIT License
