Video Parser

基于 FastAPI + Gradio + Qwen3-VL 的多平台视频解析、下载与AI内容提取系统

---

在线体验： 点击体验

---

功能特性

• 多平台支持：抖音、哔哩哔哩、小红书、快手、好看视频等
• 无水印下载：智能解析视频直链，绕过水印限制
• 在线播放：支持浏览器内直接播放视频
• AI内容提取：基于 Qwen3-VL 模型智能分析视频内容
• Web 界面：基于 Gradio 的友好操作界面
• RESTful API：标准化接口，支持二次开发
• 自动文档：FastAPI 自动生成 Swagger/ReDoc 文档

---

支持的平台

平台	状态	平台	状态
抖音	✅	小红书	✅
哔哩哔哩	✅	快手	✅
好看视频	✅

---

快速开始

方式一：Docker 部署（推荐）

1. 环境要求

• Docker 20.10+
• Docker Compose 2.0+（可选）

2. 使用 Docker Compose（推荐）

# 克隆项目
git clone https://github.com/wwwzhouhui/video-parser.git
cd video-parser

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入 QWEN_API_KEY

# 构建并启动服务
docker-compose up -d

# 查看日志
docker-compose logs -f

3. 使用 Docker 命令

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入 QWEN_API_KEY

# 打包镜像
docker build -t video-parser:latest .

# 运行容器（使用 --env-file 加载环境变量）
docker run -d \
  --name video-parser \
  -p 5001:5001 \
  -p 7860:7860 \
  --env-file .env \
  -v $(pwd)/static/videos:/app/static/videos \
  -v $(pwd)/downloads:/app/downloads \
  -v $(pwd)/cache:/app/cache \
  -v $(pwd)/logs:/app/logs \
  --restart unless-stopped \
  video-parser:latest

# 查看日志
docker logs -f video-parser

4. 环境变量配置

在运行 Docker 前，需要创建 .env 文件：

cp .env.example .env
vim .env  # 编辑配置

必填配置：

变量名	说明	示例
QWEN_API_KEY	ModelScope API 密钥	ms-xxxxxxxx

可选配置：

变量名	说明	默认值
QWEN_API_BASE_URL	API 基础地址	https://api-inference.modelscope.cn/v1
QWEN_MODEL_ID	模型 ID	Qwen/Qwen3-VL-8B-Instruct
MAX_FRAMES	视频分析提取帧数	6

API 密钥获取地址：https://modelscope.cn/my/myaccesstoken

5. 访问应用

• Web 界面：http://localhost:7860
• API 文档：http://localhost:5001/docs

6. 常用命令

# ===== Docker Compose 命令 =====
# 停止服务
docker-compose down

# 重新构建并启动
docker-compose up -d --build

# 查看服务状态
docker-compose ps

# 查看实时日志
docker-compose logs -f

# ===== Docker 命令 =====
# 停止容器
docker stop video-parser

# 启动容器
docker start video-parser

# 重启容器
docker restart video-parser

# 删除容器
docker rm -f video-parser

# 进入容器
docker exec -it video-parser bash

# 查看容器状态
docker ps -a | grep video-parser

# 查看镜像
docker images | grep video-parser

# 删除镜像
docker rmi video-parser:latest

---

方式二：本地部署

1. 环境要求

• Python 3.10+
• ffmpeg（B站视频合并需要）

2. 安装依赖

git clone https://github.com/wwwzhouhui/video-parser.git
cd video-parser
pip install -r requirements.txt

3. 配置环境变量

# 复制环境变量示例文件
cp .env.example .env

# 编辑 .env 文件，配置 API 密钥
vim .env

.env 配置项说明：

变量名	说明	默认值
QWEN_API_BASE_URL	Qwen API 基础地址	https://api-inference.modelscope.cn/v1
QWEN_API_KEY	ModelScope API 密钥	无（必填）
QWEN_MODEL_ID	模型 ID	Qwen/Qwen3-VL-8B-Instruct
MAX_FRAMES	视频分析提取帧数	6

API 密钥获取：https://modelscope.cn/my/myaccesstoken

4. 启动服务

启动后端 API 服务（端口 5001）：

python api.py

启动 Gradio 前端（端口 7860）：

python app.py

5. 访问应用

• Web 界面：http://localhost:7860
• API 文档：http://localhost:5001/docs
• ReDoc 文档：http://localhost:5001/redoc

---

API 接口

解析视频

POST /api/parse

请求体：

{
  "text": "https://v.douyin.com/xxx"
}

请求头：

X-Timestamp: 毫秒时间戳
X-GCLT-Text: 随机明文
X-EGCT-Text: 加密后的文本

响应：

{
  "retcode": 200,
  "retdesc": "成功",
  "data": {
    "video_id": "xxx",
    "platform": "抖音",
    "title": "视频标题",
    "video_url": "https://...",
    "cover_url": "https://...",
    "audio_url": "https://..."
  },
  "succ": true
}

获取下载链接

POST /api/download

请求体：

{
  "video_url": "https://...",
  "video_id": "xxx"
}

响应：

{
  "retcode": 200,
  "retdesc": "成功",
  "data": {
    "download_url": "https://..."
  },
  "succ": true
}

---

项目结构

video-parser/
├── api.py                 # FastAPI 后端服务入口
├── app.py                 # Gradio 前端界面（含AI内容提取）
├── qwen3vl.py             # AI视频内容分析工具（命令行版）
├── requirements.txt       # Python 依赖
├── Dockerfile             # Docker 镜像配置
├── docker-compose.yml     # Docker Compose 配置
├── docker-entrypoint.sh   # Docker 启动脚本
├── configs/               # 配置文件
│   ├── general_constants.py
│   ├── logging_config.py
│   └── business_config.json
├── src/
│   ├── api/               # API 路由
│   ├── downloaders/       # 各平台下载器实现
│   │   ├── base_downloader.py
│   │   ├── douyin_downloader.py
│   │   ├── bilibili_downloader.py
│   │   ├── xiaohongshu_downloader.py
│   │   ├── kuaishou_downloader.py
│   │   └── haokan_downloader.py
│   └── downloader_factory.py
├── utils/                 # 工具函数
│   ├── web_fetcher.py
│   ├── vigenere_cipher.py
│   └── common_utils.py
├── static/                # 静态资源
│   └── videos/            # 下载的视频
├── downloads/             # Gradio 下载目录
└── cache/                 # 播放缓存目录

---

示例链接

平台	示例地址
抖音	https://www.douyin.com/note/7580598241298069157
哔哩哔哩	https://www.bilibili.com/video/BV1TaqYBcEJc
小红书	https://www.xiaohongshu.com/explore/68ab2dd1000000001c0045d0
快手	https://www.kuaishou.com/short-video/3x8zha3ipq6bg8q
好看视频	https://haokan.baidu.com/v?vid=13766973483433940333

---

开发说明

添加新平台支持

1. 在 src/downloaders/ 下创建新的下载器类
2. 继承 BaseDownloader 基类
3. 实现 get_title_content()、get_real_video_url()、get_cover_photo_url() 方法
4. 在 src/downloader_factory.py 中注册新平台
5. 在 configs/business_config.json 中添加域名映射

运行测试

# 测试后端 API
curl -X POST http://localhost:5001/api/parse \
  -H "Content-Type: application/json" \
  -H "X-Timestamp: $(date +%s)000" \
  -H "X-GCLT-Text: test" \
  -H "X-EGCT-Text: test" \
  -d '{"text": "https://www.bilibili.com/video/BV1TaqYBcEJc"}'

---

AI 视频内容提取

本项目集成了 Qwen3-VL 视觉语言模型，可智能分析视频内容并生成文字描述。

Web 界面使用

1. 解析视频链接

   

2. 点击「在线播放」加载视频

   

3. 点击「AI提取视频内容」按钮

   

4. 等待 AI 分析完成，查看内容描述

   

命令行工具

# 列出所有视频文件
python qwen3vl.py --list

# 分析指定视频
python qwen3vl.py --video downloads/video.mp4

# 使用自定义提示词
python qwen3vl.py --video video.mp4 --prompt "这个视频讲的是什么故事？"

# 指定提取帧数（默认6帧）
python qwen3vl.py --video video.mp4 --frames 8

# 交互式模式
python qwen3vl.py --interactive

工作原理

1. 使用 ffmpeg 从视频中均匀提取关键帧
2. 将帧图片转换为 base64 编码
3. 调用 Qwen3-VL API 分析图片内容
4. 生成视频内容的详细描述

---

注意事项

• B 站视频为音视频分离，需要安装 ffmpeg 进行合并
• 部分平台可能需要特殊的请求头（Referer）才能下载
• 视频链接有时效性，解析后请尽快下载
• AI内容提取需要先播放视频（加载到本地缓存）
• AI内容提取依赖 ffmpeg 提取视频帧

---

开源协议

本项目基于 MIT License 开源。

免责声明：本项目仅供学习交流使用，请勿用于非法用途。因使用本项目造成的任何后果，由使用者自行承担。