最近有点懒，看视频教程的时候，不想做笔记，想着有个视频自动转文字甚至是有条理的总结就更好了。上网一搜发现，哇，要钱啊，而且基本都只是视频转文字。口袋空空的小编决定：DIY。
如何找一个免费又好用的视频总结助手呢，小编就用dify来构建一个。
首先，打开本地部署的Dify，新建一个空白应用：
因为视频总结基本都是一次性内容，那么可以选择创建一个工作流，随便给个名字：首先，在插件市场下载FFmpeg，其次，建立节点，在工具面板选择FFmpeg中的提取音频工具：输入变量选择开始中创建的视频上传字段，提取的音频格式一般选择mp3即可。在工具中找到Audio（如果没有，一样在应用市场找）中的Speech To Text，然后选择。在输入变量，音频文件选项中选择上一节点的files输出变量。此时，模型可以选择FunAudioLLM（硅基流动中有免费可以用的版本）。经过上述步骤，视频就已经转变成为一堆文字啦，那么，如何将众多文字转为想要的内容呢？AI大模型可以帮助你。连接一个LLM节点，模型可以选择不要钱的小模型，追求更高性能的同学可以选择DeepSeek R1或者GPT5等模型。输入提示词，我期望他能够总结出视频教程的内容及步骤，因此我就输入：“你是一个总结专家，根据输入内容{上一节点的text输出变量}，有条理地总结一份纪要。如果涉及操作步骤，请分条细致地阐述，必要时用mermaid语句增加流程图。”建立结束输出节点，输出变量选择上一模型节点的text变量，这样就大功告成啦。在使用提取音频节点时，一不小心会出现提取报错的情况，如下图：这种情况就是因为dify docker下的.env文件中FILES_URL未做分配，如果是用docker部署的dify，那么可以采用5001的端口，文件中也有说明，打开文件编辑保存即可。
改完.env以后，一定要记得重置dify，用PowerShell或者命令提示符cd到dify docker的目录下输入
然后再输入
即可完成。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
