架构

文件结构

src/
└── index.js    # 单文件核心模块（约 850 行）

所有逻辑都在 src/index.js 中。除了可选的 playwright-core 外，没有其他外部运行时依赖。

数据流

run({ url, proxy, cookieFile })
│
├── checkResources()              → 检查 CPU/RAM（lowResource 时跳过）
├── checkWhisper()                → 检查 whisper-cli 是否可用
├── detectPlatform(url)           → 'youtube' | 'bilibili' | 'generic'
│
├── [阶段 1] mode !== 'browser'
│   ├── getVideoWithYtDlp()      → { title, duration, videoUrl, httpHeaders }
│   ├── extractFrames(url)       → 尝试 FFmpeg 使用直链
│   ├── downloadWithYtDlp()      → 回退：下载到本地文件
│   ├── extractFrames(file)      → FFmpeg 从本地文件提取
│   ├── extractAudio()           → 16kHz 单声道 WAV
│   └── transcribeAudio()        → { text, language, segments }
│
├── [阶段 2] mode !== 'ytdlp'
│   ├── launchBrowser()          → 本地 Chromium 或云服务商
│   ├── scrapeYouTube/Bilibili/Generic(page)
│   ├── extractFrames()          → 如果找到直链视频 URL
│   ├── captureScreenshots()     → 回退：定位 + 截图
│   ├── extractAudio()           → 如果有视频源
│   └── transcribeAudio()        → 如果音频提取成功
│
├── analyzeFramesWithVision()    → 将帧 + 转录文本发送给视觉 AI
└── formatResult()               → 结构化文本输出

核心函数

函数	用途
run()	主入口，编排完整的处理流程
detectPlatform()	URL 模式匹配，检测平台
getVideoWithYtDlp()	运行 yt-dlp -j 获取元数据和直链视频 URL
downloadWithYtDlp()	运行 yt-dlp 下载视频到本地文件
launchBrowser()	延迟加载 playwright-core，连接本地/云浏览器
scrapeYouTube()	YouTube 专用 DOM 抓取
scrapeBilibili()	Bilibili 专用 DOM 抓取
scrapeGeneric()	通用 <video> 元素抓取
extractFrames()	FFmpeg 按配置间隔提取帧
captureScreenshots()	基于浏览器的截图回退（定位 + 截图）
extractAudio()	FFmpeg 音频提取为 16kHz 单声道 WAV
transcribeAudio()	运行 whisper-cli 并解析 JSON 输出
formatTranscription()	将转录片段格式化为视觉提示词
checkResources()	检查 CPU/RAM 是否满足要求（lowResource 时跳过）
checkWhisper()	检查 whisper-cli 是否可用
resolveWhisperModel()	在标准路径中查找 ggml 模型文件
analyzeFramesWithVision()	将 base64 帧 + 转录文本发送到视觉 API
loadCookies()	解析 JSON 或 Netscape Cookie 文件

阶段 1 详解：yt-dlp + FFmpeg

getVideoWithYtDlp(url)
    │
    │ yt-dlp -j --no-download -f 'best[height<=480]...'
    │
    ▼
{ videoUrl, httpHeaders, title, duration }
    │
    ├── [步骤 1a] extractFrames(videoUrl, headers)
    │       FFmpeg 直链 → 可能因 403 失败（IP 绑定 URL）
    │
    ├── [步骤 1b] downloadWithYtDlp(url, localPath)
    │       yt-dlp 下载完整视频 → extractFrames(localPath)
    │
    ▼
frames[] → analyzeFramesWithVision() → 格式化结果

阶段 2 详解：浏览器

launchBrowser()
    │
    │ require('playwright-core')  ← 延迟加载，缺失时抛出异常
    │
    ├── local:       chromium.launch()
    ├── browserless: chromium.connectOverCDP(wss://...)
    ├── browserbase: REST API → chromium.connectOverCDP(wss://...)
    └── steel:       chromium.connectOverCDP(wss://...)
         │
         ▼
    scrapeYouTube/Bilibili/Generic(page)
         │
         ├── 找到 videoUrl → extractFrames()
         └── 未找到 videoUrl → captureScreenshots()（点击播放、定位、截图）
         │
         ▼
    frames[] → analyzeFramesWithVision() → 格式化结果

导出

module.exports = {
  run,                // 主入口
  detectPlatform,     // URL → 平台字符串
  loadCookies,        // 加载 Cookie 文件
  getVideoWithYtDlp,  // yt-dlp 元数据提取
  downloadWithYtDlp,  // yt-dlp 视频下载
  extractAudio,       // FFmpeg 音频提取
  transcribeAudio,    // whisper-cli 转录
  checkResources,     // 系统资源检查
};