C++17 命令行工具：输入视频或音频，自动抽取音轨、转写成字幕，再用本地大模型生成内容总结。
- 本地 GPU 加速：whisper.cpp 静态编译，CUDA 加速（无 NVIDIA GPU 也能跑 CPU）
- 带时间戳输出：生成 SRT 字幕和逐行带时间的 TXT
- Ollama 总结：调用本地 Ollama 生成
summary.md，含主题、要点、时间线、结论 - 纯 C++ 无 Python：单个 exe，依赖只有 ffmpeg 和 Ollama
video.srt
1
00:00:00,000 --> 00:00:10,940
在我们之前测试显卡剪片生产力的时候video.txt（每行 [HH:MM:SS] 文本）
[00:00:00] 在我们之前测试显卡剪片生产力的时候
video.summary.md（四段结构：①主题 ②要点 ③关键节点时间线 ④受众与结论）
## ① 一句话主题
...
## ② 要点
...
## ③ 关键节点时间线
- [00:00:00] ...
## ④ 适用受众与一句话结论
...- Windows + Visual Studio 2022（C++ 工作负载）
- CMake 3.20+，Ninja（用
build-ninja.cmd时） - CUDA Toolkit（可选，NVIDIA GPU 加速；CPU 也能跑）
- ffmpeg（完整版）
- Ollama（可选，不需要总结就加
--no-summary）
⚠ ffmpeg 裁剪版坑
项目目录里那个约 7MB 的
ffmpeg.exe是--disable-everything裁剪构建，没有 AAC 解码器、不能输出 WAV，无法用于抽音轨。必须使用完整版 ffmpeg，或用
--ffmpeg <完整版路径>显式指定（本机可用F:\bin\ffmpeg-4.1\ffmpeg.exe）。程序从 PATH 查找 ffmpeg（会跳过当前目录）。找不到且输入不是
.wav时直接退出，退出码 2。
build-ninja.cmd内部走 vcvars64 + Ninja + CUDA 11.8 nvcc，-DCMAKE_CUDA_ARCHITECTURES=89，产物在 build\bin\video_summary.exe。
cmake -S . -B build
cmake --build build --config Release --parallel 16链接 WinHTTP（系统库）和 third_party/whisper.cpp（add_subdirectory，静态链接，GGML_CUDA=ON）。third_party/ 是 vendored 代码，不要改动。
third_party\whisper.cpp\models\download-ggml-model.cmd large-v3-turbo约 1.5GB，下载后放到 models\ggml-large-v3-turbo.bin。国内网络可以把下载脚本里的 huggingface.co 换成 hf-mirror.com 前缀。
快速测试可用 tiny 模型（小得多，精度也低）。
video_summary [options] <输入文件>
| 参数 | 说明 |
|---|---|
-m <path> |
模型路径，默认 models\ggml-large-v3-turbo.bin，缺失时回退 tiny |
-o <prefix> |
输出前缀，默认与输入文件同目录同名 |
-l <lang> |
语言，默认 auto（自动检测） |
--ffmpeg <path> |
指定 ffmpeg 可执行文件 |
--ollama-url <url> |
Ollama 地址，默认 http://127.0.0.1:11434 |
--ollama-model <name> |
Ollama 模型，默认 qwen3:8b |
--no-summary |
跳过总结，只出字幕 |
--no-gpu |
强制用 CPU 转写（默认开启 GPU/CUDA 加速） |
-h |
中文帮助 |
build\bin\video_summary.exe -m models\ggml-large-v3-turbo.bin -l zh input.mp4
build\bin\video_summary.exe --ffmpeg F:\Code\LOLClip\bin\ffmpeg-4.1\ffmpeg.exe --no-summary input.mkvdemo.cmd自动取目录下第一个 mp4，用 large-v3-turbo + CUDA 转写，再用 qwen3:8b 总结。已实测：4 分 37 秒 1080p 视频退出码 0，中文转写 31 段，语言自动检测 zh (p=0.998)。
退出码
| 码 | 含义 |
|---|---|
| 0 | 成功（Ollama 总结失败也算成功，只打警告） |
| 1 | 参数错误或内部错误 |
| 2 | 缺依赖，比如找不到 ffmpeg |
| 3 | 转写失败 |
Ollama 没装怎么办？
加 --no-summary，只做转写。总结阶段失败不会影响退出码，仍是 0。
没有 NVIDIA GPU？ 正常构建即可，走 CPU 推理，速度慢一些。CUDA 是可选项。
想换模型？
转写用 -m 指定其它 ggml 模型（记得放进 models\），总结用 --ollama-model 指定 Ollama 里的其它模型。
video_summary/
├── CMakeLists.txt # 构建配置（WinHTTP + whisper.cpp）
├── build-ninja.cmd # 一键构建（Ninja + CUDA）
├── demo.cmd # 一键演示
├── src/
│ ├── main.cpp # 入口、CLI 解析
│ ├── util.h # 通用工具
│ ├── audio.cpp/.h # ffmpeg 抽音轨
│ └── ollama.cpp/.h # Ollama HTTP 调用
├── third_party/whisper.cpp/ # vendored，勿改
├── models/ # ggml 模型
└── samples_wav/ # 测试音频