SaveXTube 教程：本地 AI 智能转写、AI 总结与思维导图
内置端侧 Whisper 语音转文字与大模型智能解析。零云端依赖，离线提取带时间戳文稿、区分发言人、一键生成 AI 总结摘要与思维脑图。
下载长视频、讲座或会议记录后，无需花费数小时从头听到尾。SaveXTube 提供纯本地端侧离线 AI 智能解析工作台，毫秒级定位关键信息，自动提炼结构化知识。
1
第一步：在设置中开启「自动区分发言人」与模型配置
发言人声纹分离功能需要在设置中开启。打开 SaveXTube Desktop 客户端，点击左侧导航栏的 「设置」，切换到 「模型」 标签页：
- 开启自动区分发言人：勾选红框标注的 「自动区分发言人」（转写完成后自动分析声纹特征并标注发言人 1、发言人 2 等）；
- 默认发言人数：支持选择「自动检测」或手动指定具体人数；
- 声纹分离模型：支持
PyAnnote 3.0 + 3D-Speaker CAM++（约 20 MB · 阿里达摩院多语言声纹聚类与人声切片模型），点击 「下载并设为当前模型」； - 保存生效：点击 「保存」 按钮完成声纹引擎配置。
2
第二步：在「文件」列表中右键选择「开始转写」
打开 SaveXTube 客户端左侧的 「文件」 页面，在任意已下载的视频或音频项目上右键点击，在弹出的菜单中选择 「开始转写」，系统将自动调用本地 Whisper 语音引擎与声纹模型进行离线极速转写。
3
第三步：智能解析工作台与发言人声纹定位
转写完成后，客户端将弹出全功能智能解析工作台，清晰展示音视频播放与带发言人标注的完整逐字稿：
- 发言人统计与声纹时间线：如左下方红框所示，清晰展示每个发言人（如
Speaker 1 (61%)、Speaker 2）的发言时长占比与声波时间线分布； - 逐字稿发言人标注：右侧文稿区自动按发言人（如
0:00 Speaker 1、4:29 Speaker 1）分段排版； - 时间戳毫秒级跳转：点击文稿中的任意时间戳，左侧播放器自动毫秒级同步定位播放对应片段；
- 调整说话人：点击「调整说话人」可随时手动更正说话人归属或自定义命名。
4
第四步：AI 核心总结、思维导图与多格式导出
除逐字稿外，工作台还提供深度的知识提炼与导出工具：
- ✦ AI 总结：调用大模型智能提炼视频核心背景、逻辑主线与高价值摘要结论；
- ⌘ 思维导图：以直观树状脑图呈现全篇视频结构，层次分明；
- 一键导出：点击右上角 「导出」 按钮，可直接导出为带发言人和时间戳的 SRT 字幕、TXT 文本或 Markdown 笔记。