video-to-text：将 YouTube 和 Twitter/X 视频自动转换为可阅读文章的智能工具

video-to-text是一款基于Python的开源工具，可将YouTube和Twitter/X视频自动转录、翻译为结构化的巴西葡萄牙语文章，并生成支持SEO的静态HTML页面。核心功能包括本地Whisper转录、Claude/Gemma翻译，解决视频内容阅读效率低的痛点，让用户能按自己节奏阅读、快速定位关键信息。

信息爆炸时代视频内容增长快，但观看长视频耗时且无法快速浏览。开发者因偏好阅读而非观看长视频，驱动项目诞生。目标是构建端到端管道：从视频URL获取内容，自动转录、翻译重组为结构清晰的文章，以静态HTML呈现方便移动阅读。

采用模块化架构：输入层接收URL→Provider层检测来源调用策略→处理层用Claude翻译重组→生成层构建静态HTML→输出层呈现。Provider抽象层支持扩展，现有YouTube（用youtube-transcript-api）和Twitter/X（yt-dlp下载音频+mlx-whisper本地转录）策略。转录后Claude处理：翻译为巴西葡语、去冗余、过滤广告、按主题分章节。

移动优先设计，静态HTML无框架加载快。支持三种主题（Sépia默认、明亮、深色）；进度追踪自动恢复，设备独立保存；可点击章节索引快速跳转；响应式布局适配小屏幕。

与Hermes Agent集成：用户发链接给Hermes→自动处理→生成HTML推送→用户收链接阅读。本地部署：克隆仓库、建虚拟环境、安装依赖、启动服务器；处理视频用pipeline.py命令，自动检测URL来源无需指定。

案例包括《Claude Code负责人谈编程未来》等AI领域热门文章。意义：将被动观看转为主动阅读，提升效率（阅读比视频快2-3倍）、灵活碎片阅读、易检索存档、无障碍；展示开源工具组合与扩展设计思路。

项目精准解决视频阅读痛点，技术实现优雅（模块化、纯静态输出），用户体验优秀，集成便捷。未来随着大模型能力提升，这类自动化内容转换工具应用场景将更广泛。