video2text Windows 安装指南（本地视频转文字免费工具）

关键词：video2text、Windows 安装、免费、本地视频转文字、Whisper large‑v3、Ollama、NVIDIA API、GPU 加速

目录

• video2text Windows 安装指南（本地视频转文字免费工具）
  • 目录
  • 1. 项目概述
  • 2. 系统与硬件要求
  • 3. 必备软件与依赖
  • 4. 下载准备
  • 5. 安装步骤
    • 5.1 解压绿色版
    • 5.2 放入 Whisper 模型
    • 5.3 配置 .env（可选）
    • 5.4 安装 Ollama（本地模型，仅在需要本地摘要时）
    • 5.5 （可选）自动下载模型
  • 6. 快速验证
  • 7. 主界面GUI
  • 8. 常见问题 (FAQ)
  • 9. 参考资源

1. 项目概述

video2text 是一个基于 Whisper large‑v3 的本地视频转文字工具，支持：

• 免费、无限制 时长的转写
• GPU 加速（NVIDIA 显卡）或 CPU 兼容模式
• Ollama 与 NVIDIA 大模型摘要生成
• 绿色版（免安装）GUI 与 CLI 双界面

2. 系统与硬件要求

项目	最低要求	推荐配置
操作系统	Windows 10 64 位	Windows 11 64 位
磁盘空间	20 GB 可用	30 GB 以上（含模型）
内存	8 GB	16 GB+
显卡	任意（CPU 可用但慢）	NVIDIA GPU（6 GB+ 显存）+ CUDA 12.0+

提示：AMD 显卡目前不支持 GPU 加速，仅能使用 CPU。

3. 必备软件与依赖

• NVIDIA 驱动（CUDA 12.0+）并确认 nvidia-smi 正常
• Ollama（本地大模型）官方下载页（可选）

4. 下载准备

1. 前往 123 云盘（或项目 Release 页面）下载完整压缩包 video2text_portable_windows_*.zip。
   • 示例链接：https://1840674647.share.123pan.cn/123pan/7CfNTd-SE7j3?pwd=viWa（提取码 viWa）
2. 网盘中包含 large‑v3 模型压缩包（约 3 GB）和 Ollama 预置模型（约 4.7 GB）。

建议使用高速网络，完整下载约 10 GB。

5. 安装步骤

以下步骤假设解压目录为 D:\video2text，可自行替换为任意路径。

5.1 解压绿色版

# PowerShell 示例
Expand-Archive -Path "C:\Users\YourName\Downloads\video2text_portable_windows_xxx.zip" -DestinationPath "D:\video2text"

目录结构应如下：

D:\video2text\
├─ video2text.exe
├─ video2text.bat
├─ config.ini
├─ .env (手动创建)
├─ models\
├─ output\
├─ logs\
└─ README.md

5.2 放入 Whisper 模型

Expand-Archive -Path "C:\Users\YourName\Downloads\large-v3.zip" -DestinationPath "D:\video2text\models"

确保模型目录为 D:\video2text\models\large-v3\，内部包含 config.json、model.bin 等文件。

5.3 配置 .env（可选）

• NVIDIA API：在 D:\video2text\.env 中写入

  NVIDIA_API_KEY=nvapi-你的密钥
  

5.4 安装 Ollama（本地模型，仅在需要本地摘要时）

1. 双击 OllamaSetup.exe 完成安装。
2. 将下载好的 models.zip 解压至 %USERPROFILE%\.ollama\，保持以下结构：

C:\Users\YourName\.ollama\
└─ models\
    ├─ blobs\
    └─ manifests\

5.5 （可选）自动下载模型

首次启动 video2text.exe 时若未检测到 models\large-v3，程序会尝试从 HuggingFace 自动下载。可在 config.ini 的 [network] proxy 中配置代理。

6. 快速验证

1. 启动 GUI：双击 video2text.exe（或 video2text.bat）。
2. 转写测试：在界面左上角选中一段短视频（10–20 秒），点击 仅转写。完成后在右侧面板查看转写文本。
3. 摘要测试（已配置 NVIDIA API 或 Ollama）：点击 仅总结，确认生成 Markdown 摘要。

CLI 验证示例：

.\video2text.exe transcribe "D:\sample\demo.mp4" -o output
.\video2text.exe summarize output\demo.txt -o output

若出现错误，请检查 logs/app.log 获取详细信息。

7. 主界面GUI

8. 常见问题 (FAQ)

问题	解决方案
显卡不被识别	确认已安装最新 NVIDIA 驱动，运行 nvidia-smi 能显示 GPU 信息。
模型下载非常慢	在 config.ini 的 [network] 区块配置 HTTP/HTTPS 代理。
NVIDIA_API_KEY 无效	请在 NVIDIA Build 平台重新生成 API Key，确保无空格或换行。
Ollama 启动失败	检查系统防火墙是否拦截 127.0.0.1:11434，或重新安装 Ollama。

9. 参考资源

• GitHub 项目主页 – https://github.com/fuyouling/video2text
• Whisper large‑v3 模型 – https://huggingface.co/models/large-v3
• Ollama 官方文档 – https://docs.ollama.com/
• NVIDIA Build – https://build.nvidia.com/

---

本指南遵循 SEO 最佳实践，使用目标关键词、结构化标题、表格与代码块，便于搜索引擎快速索引并提升自然流量。