Boson Video

Boson-Video

无需看完整个视频，也能抓住重点。 粘贴 YouTube 链接或拖入视频文件。摘要、文字稿和屏幕文字中的每一行都会标注其来源时间；提问时，答案会从视频中提取并与视频内容核对。

• 时间带： 用一条带子展示整个视频（场景、章节、重播次数最多的片段）。悬停即可查看任意秒的画面和文字。
• 摘要： 按章节展示并附上对应画面；每句话都有时间标记并经过核对（✓ ? ✗）。
• 文字稿： 原文下方附有英文翻译，解释专业术语，并识别屏幕文字。
• 提问： 答案会引用对应片段并展示画面；视频中没有提及的内容会标记为背景信息。
• 使用自己的 AI： 将同一份文档作为 MCP 插件用于 Claude、Cursor、Codex 等。

专为长篇演讲、讲座和金融视频打造，适合那些你只懂一些的语言（目前支持中文和英文）。

在自己的 AI 中使用

在 Claude Code 中，只需一行（由 uv 运行；无需安装其他内容）：

claude mcp add boson-video -- uvx boson-video mcp

Claude Desktop、Cursor 和 Codex 使用相同的命令 uvx boson-video mcp，在其 MCP 设置中配置即可；claude.ai 和 ChatGPT 则需要网址：查看各应用的设置方法。

然后粘贴 YouTube 链接并提问。你的 AI 会打开视频、读取文字稿、以全分辨率查看关键画面，并核对回答中的说法，为每条说法标注对应时间。无需密钥，所有操作都在你的电脑上运行。在支持交互页面的应用（Claude Desktop、claude.ai、ChatGPT、Cursor）中，视频页面会直接在聊天窗口打开，你在那里提出的问题也会发送给你的 AI。

运行页面

uvx boson-video web             # http://127.0.0.1:8770; the first run prints your invite code

两个可选模型能提供更完整的功能。没有它们的密钥，仍可查看场景、文字稿并进行搜索。

• 撰写模型：撰写摘要、英文内容和术语说明。默认使用 Inception 提供的 Mercury（INCEPTION_API_KEY），也可使用任何兼容 OpenAI 的模型（BOSON_WRITER_BASE_URL、BOSON_WRITER_MODEL、BOSON_WRITER_API_KEY）。
• 核对模型：核对每句话是否符合实际说法，并查找能回答问题的片段：TypeSafe 提供的 Jev（TYPESAFE_API_KEY）。

将密钥放入你启动程序所在文件夹中的 .env 文件，或放入 ~/.boson-video/.env；服务启动时会提示缺少哪个密钥。默认关闭：设置 OPENAI_API_KEY 和 BOSON_SCREEN_CHECK=1 后，无法通过文字核实的句子也会与屏幕画面进行核对（使用 OpenAI 的 Decisions API，每个视频约花费一美分）。

已测试视频

均为实测，每个视频运行一次，除非注明范围。Mac：搭载 Apple 转录器的 M5 MacBook。Windows：一台 12 线程笔记本电脑，在 CPU 上运行 SenseVoice 或 Parakeet。完整表格：docs/measured.md。

视频	时长	场景图	字数	转录错误¹	屏幕文字	摘要 ✓
Money or Life 美股频道，Meta 和 AI（中文，出镜讲解）	24:53	1.3 s	13.8 s（Mac）	无人工字幕	—	13 / 13
Money or Life 美股频道，AI 药物研发（中文，幻灯片）	28:24	1.1 s	18.5 s（Mac）	未评分	读取了 36 个片段	15 / 16
程序员老王，LLM 消融（中文，动画图表）	11:35	—	10.0 s（Windows）	未评分	88 个片段；在 85 个片段中区分出烧录字幕	21 of 22 到 22 of 23（多次运行）
陳永儀，TEDxTaipei（中文，演讲）	14:29	—	7.1 s（Mac）	5.3% 字符（Mac），4.8%（SenseVoice）	—	14 / 14
Ken Robinson，TED（英文，演讲）	20:06	—	9.9 s（Mac）	10.0% 单词（Mac），10.5%（Parakeet）	—	22 / 25
Sean's AI Stories，Agent 可观测性（英文，屏幕录制）	20:48	1.5 s	13.2 s（Mac）	未评分	无：YouTube 拒绝提供完整分辨率	23 / 26
Andrej Karpathy，LLM 入门（英文，幻灯片）	59:48	1.6 s	30.5 s（Mac）	仅有自动字幕	20 张幻灯片中有 19 张识别正确	22 / 23
Rick Astley，Never Gonna Give You Up（快速剪辑）	3:33	0.7 s	—	—	—	—

¹ 与人工字幕进行比较（scripts/accuracy.py）；约一半的英文错误是字幕中省略的语气词。 摘要 ✓：检查器根据实际讲述内容确认无误的摘要句子（Jev，数字通过代码比较）。

命令行

uvx boson-video <link | id | file>        # build a video: scenes, words, screen text, summary
uvx boson-video ask <video> "question"    # the moment that answers it
uvx boson-video models                    # fetch the local speech models now instead of on first use

从克隆的仓库开始：uv sync，然后运行 uv run boson-video …；uv run pytest 可运行测试（离线）。

更多信息

• docs/workflow.md：工作流的设计方式：阶段、文档及其用途
• docs/how-it-works.md：处理流水线、YouTube 允许的操作及其限制
• docs/DIRECTION.md：我们正在构建的内容、里程碑及决策
• docs/timeline-format.md：面向其他工具的文档格式
• CONTRIBUTING.md：如何设置、测试并提出更改
• AGENTS.md：编码 Agent 指南

采用 MIT 许可。YouTube 的条款不允许产品自动访问，因此所有涉及 YouTube 的操作都在你自己的电脑上运行。