AI 视频笔记生成工具 让 AI 为你的视频做笔记
@@ -53,6 +53,16 @@ BiliNote 是一个开源的 AI 视频笔记助手，支持通过哔哩哔哩、Y - 笔记顶部视频封面 Banner 展示 - 工作区和生成历史面板支持折叠/展开 +### v2.2.0 新增 + +- **浏览器插件**笔记选项与 web 端完整对齐：style 9 个预设下拉、format 4 个 checkbox、extras 文本框、多模态视频理解开关 +- **桌面客户端**首启 4 步引导（连通自检 → 供应商/模型 → 转写引擎 → Cookie 提示） +- **桌面客户端**右下角后端运行状态指示，点开看日志、一键重启 +- **桌面客户端**启动期主动检测中文 / 空格 / 不可写安装路径，弹横幅告警 +- Whisper 默认 size 从 medium（~1.5GB）改为 tiny（~75MB）；切大模型时显式 confirm +- 修：whisper 半成品模型目录死循环；`/deploy_status` 在没装 torch 的部署 500 +- 详见 [CHANGELOG.md](./CHANGELOG.md) + ### v2.1.4 修订 - CI：桌面端 Tauri 构建去掉 Linux（17m+ 慢线退役；Linux 用户继续走 Docker 镜像） diff --git a/backend/app/routers/config.py b/backend/app/routers/config.py index 0fecc48..2dcf094 100644 --- a/backend/app/routers/config.py +++ b/backend/app/routers/config.py @@ -87,10 +87,13 @@ _downloading: dict[str, str] = {} # model_size -> status ("downloading" | "done def _check_whisper_model_exists(model_size: str, subdir: str = "whisper") -> bool: - """检查指定 whisper 模型是否已下载到本地。""" + """检查指定 whisper 模型是否已完整下载到本地。 + + 只看目录会把"上次下载中断剩下的空目录"误判为已下载；以 model.bin 落盘为准。 + """ model_dir = get_model_dir(subdir) - model_path = os.path.join(model_dir, f"whisper-{model_size}") - return Path(model_path).exists() + model_path = Path(os.path.join(model_dir, f"whisper-{model_size}")) + return (model_path / "model.bin").exists() @router.get("/transcriber_models_status") @@ -227,30 +230,49 @@ async def sys_check(): @router.get("/deploy_status") async def deploy_status(): - """返回部署监控所需的所有状态信息""" - import torch + """返回部署监控所需的所有状态信息。 + + 每一项都做容错：torch 没装 / Whisper 配置读取失败 / FFmpeg 不可用 都不应让整个 + endpoint 500 把监控页打死。 + """ import os - - # CUDA 状态 - cuda_available = torch.cuda.is_available() - cuda_info = { - "available": cuda_available, - "version": torch.version.cuda if cuda_available else None, - "gpu_name": torch.cuda.get_device_name(0) if cuda_available else None, - } - - # Whisper 模型状态（从配置文件读取，与前端设置同步） - transcriber_cfg = transcriber_config_manager.get_config() - model_size = transcriber_cfg["whisper_model_size"] - transcriber_type = transcriber_cfg["transcriber_type"] - + + # CUDA 状态：torch 是 fast-whisper 路径才需要的依赖；轻量部署可能没装 + cuda_info = {"available": False, "version": None, "gpu_name": None, "torch_installed": False} + try: + import torch + cuda_info["torch_installed"] = True + cuda_available = torch.cuda.is_available() + cuda_info["available"] = cuda_available + if cuda_available: + cuda_info["version"] = torch.version.cuda + try: + cuda_info["gpu_name"] = torch.cuda.get_device_name(0) + except Exception as e: + logger.warning(f"读取 GPU 名称失败: {e}") + except ImportError: + # torch 未安装：保持 available=False；插件 / web 监控页能识别 + pass + except Exception as e: + logger.warning(f"CUDA 状态检测失败: {e}") + + # Whisper 配置（任何失败回落到空，监控页不应被这个打死） + model_size = None + transcriber_type = None + try: + transcriber_cfg = transcriber_config_manager.get_config() + model_size = transcriber_cfg.get("whisper_model_size") + transcriber_type = transcriber_cfg.get("transcriber_type") + except Exception as e: + logger.warning(f"读取转写器配置失败: {e}") + # FFmpeg 状态 try: ensure_ffmpeg_or_raise() ffmpeg_ok = True - except: + except Exception: ffmpeg_ok = False - + return R.success(data={ "backend": {"status": "running", "port": int(os.getenv("BACKEND_PORT", 8483))}, "cuda": cuda_info, diff --git a/backend/app/transcriber/whisper.py b/backend/app/transcriber/whisper.py index fca49f6..217394f 100644 --- a/backend/app/transcriber/whisper.py +++ b/backend/app/transcriber/whisper.py @@ -50,12 +50,20 @@ class WhisperTranscriber(Transcriber): model_dir = get_model_dir("whisper") model_path = os.path.join(model_dir, f"whisper-{model_size}") - if not Path(model_path).exists(): - logger.info(f"模型 whisper-{model_size} 不存在，开始下载...") + # 仅看目录存在不够：一次失败的 / 中断的下载会留下空 / 半成品目录， + # 后面 WhisperModel 加载时会以 'Unable to open file model.bin' 抛错。 + # 必须以 model.bin 这个核心权重文件落盘为准。 + model_bin = Path(model_path) / "model.bin" + if not model_bin.exists(): + if Path(model_path).exists(): + logger.warning( + f"检测到 {model_path} 目录存在但缺少 model.bin（可能上次下载中断），将重新拉取" + ) + else: + logger.info(f"模型 whisper-{model_size} 不存在，开始下载...") repo_id = MODEL_MAP[model_size] model_path = snapshot_download( repo_id, - local_dir=model_path, ) logger.info("模型下载完成")