把视频页面变成带画面、时间戳、跳转和可选校对的讲义。图文下载包含 course.md 与 frames/ 截图。
点标题末尾的 ↗ 即开始：几秒内先出文字，截图随后补齐
course2md Web 提供页面浮窗、字幕快取与笔记控制，转录和截图使用 course2md CLI。平台字幕的纯文字笔记可直接在浏览器生成。
Web 提供独立版和 CLI 版，发行页 可直接自选。本分支维护 CLI 版；独立版的源代码在 legacy/standalone-helper。
在 YouTube 或 B 站打开一个视频，点扩展图标，选好图片密度，点「生成笔记」。弹窗随即关闭，浮窗显示进度；转录完成后先显示文字，再补截图。拖动浮窗顶部可移动，拖右下角可调整宽高；拖到屏幕最右边会吸附成全高侧栏。
更快的入口：视频标题末尾有个 ↗，点一下立即生成。这一次优先用平台字幕（没有就自动改用已配置的语音转录），图片密度沿用上次选的挡位；由它开启的自动生成，换视频后也照此办理。
- 页面浮窗按画面段落展示视频截图和讲述文字；
- 点时间戳跳到视频对应位置；
- 复制 Markdown 保持文字版；图文下载在同一文件夹中保存
course.md和frames/slide_*.jpg； - 还在生成时也能点复制或下载：按钮变成虚线框的「完成后复制」「完成后下载」，全部完成（含截图与润色）的一刻自动执行；再点一次取消。
- 扩展代码更新后没重新加载时，从页面发起的生成会先自动重新加载扩展、刷新页面，再接着生成。
| 还在生成就点复制、下载：完成的一刻自动执行 | 图片密度随时切换：无／少／默认／多 |
|---|---|
 |
 |
图文下载得到一个文件夹：
<视频标题>/
├── course.md
└── frames/
├── slide_0001.jpg
├── slide_0002.jpg
└── …
course.md 的开头（真实输出节选，长段落从中截断）：
# 2. Branching and Iteration
- 作者：MIT OpenCourseWare
- 时长：43:30
- 来源：[https://www.youtube.com/watch?v=0jljZRnHwOI](https://www.youtube.com/watch?v=0jljZRnHwOI)
- 文字来源：平台字幕 · 97 段
- 由 course2md-web 生成
---
## [00:00](https://www.youtube.com/watch?v=0jljZRnHwOI&t=0)
[00:00](https://www.youtube.com/watch?v=0jljZRnHwOI&t=0) The following content is provided under a Creative Commons license. …
[00:31](https://www.youtube.com/watch?v=0jljZRnHwOI&t=31) PROFESSOR: All right. Let's get started, everyone. So, good afternoon. Welcome to the second lecture of 60001 and also of 600. …
[01:00](https://www.youtube.com/watch?v=0jljZRnHwOI&t=60) And I think the main takeaway from the last lecture is really that a computer only does what it is told, right? …浮窗可以拖到屏幕最右边吸附成全高侧栏，配色跟随系统深浅色：
| 选项 | 默认 | 行为 |
|---|---|---|
| 显示讲述时刻 | 开 | 每段文字前标出 mm:ss，点击即可跳转 |
| 显示图片 | 默认 | 无／少／默认／多；只保留有变化的画面，多档最多每 10 秒一张 |
| 润色文本 | 关 | 轻度／标准／深度；CLI 配置或自备 API，原文随时可恢复 |
点过一次「生成笔记」后，切换视频自动生成；关闭浮窗即停止自动生成。
不显示时刻时，正文不显示跳转按钮；未润色的转录段落也会补齐句末标点。
YouTube 优先取人工字幕，没有再取自动生成字幕；B 站取 player/wbi/v2 的 CC 字幕（player/v2 常返回别的视频的字幕，不用）。
按行滚动的自动字幕（例如 YouTube 自动字幕的 VTT，每条都重复上一条的末行）按整行收拢；人工字幕里首尾相接的两句不会被拼到一起。
YouTube 字幕要带播放器签发的访问凭证才能取到；扩展从播放器自己的字幕请求里拿凭证，拿不到时会让播放器加载一次字幕再还原字幕开关。片头广告播放时会等广告播完。
取不到平台字幕（没有字幕、需要登录、接口不通、字幕与视频不符等）时，这一次会自动改用已配置的语音转录，浮窗里只给一行提示；「文字来源」设置保持不变。
安装 course2md 2.0 CLI（已验证 v2.0.0-rc.6），用 course2md doctor 检查依赖。在线媒体需要 yt-dlp；截图和音轨处理需要 ffmpeg / ffprobe。GPU / CPU 转录需要 llama-server，Apple Silicon 可用 CoreML，支持的 Intel 设备可用 NPU。模型由 CLI 按需下载与准备，Web 不再维护另一套推理服务。
浏览器无法直接运行本机命令，目前 CLI 也没有浏览器连接入口，通过 MizoreLink 连接，使用 Python 标准库。先加载扩展，安装 Python 3.11+ 与 Node.js 22+，再从仓库或 course2md-cli-bridge-<版本>.zip 登记连接一次：
node tools/install-local-asr.mjs它自动识别扩展 ID，把传送脚本放在稳定的应用数据目录，并登记 Chrome / Edge。Node 只用于登记；日常从浮窗生成时由浏览器唤醒 Python，再调用 CLI。Windows、macOS、Linux 使用相同协议，不设置登录自启。设置页的「使用 CLI」检查连接并选择 CLI 转录；cli 是设置里的接口标记，不是 HTTP 服务地址。
CLI 可从 PATH、应用数据目录的 bin/ 或 C2MD_UPSTREAM_EXE 找到。配置沿用 course2md/config.toml：Windows 在 %APPDATA%，macOS / Linux 在 $XDG_CONFIG_HOME 或 ~/.config。模型目录、计算后端和服务认证由 CLI 处理；本扩展不修改该配置，也不删除共享模型或课程数据。CLI 若配置 API 转录，音频将发送至该 API。
也可填写本机 OpenAI 转录端点，例如 http://127.0.0.1:8080/v1/audio/transcriptions。这种自配接口仍保留浏览器离线解码与播放器录音回退；CLI 失败会直接给出原因。
截图使用 CLI 返回的真实时刻。密度切换只筛选同一份画面目录，章节、段落与阅读位置保持稳定。B 站浏览器登录态通过临时私有快照交给 CLI，任务结束即清理；YouTube 下载使用 CLI 自身支持的认证，当前协议不能接收浏览器 cookie 快照。
npm run local:check-host 检查浏览器登记与冷启动，npm run check:cli 使用真实 CLI、短视频和本机测试接口检查转录、截图、润色与取消，不下载大模型。卸载用 npm run local:uninstall；-- --purge 只额外删除连接文件和临时任务，保留 CLI 的模型、配置与课程库。
「CLI 配置」沿用 course2md 已配置的模型、端点和登录方式（包括 Ollama / Codex）；可用 course2md llm setup 完成配置。「自备 API」继续使用浏览器里的 OpenAI 兼容接口、密钥与模型名，密钥只存在 local storage，不同步；点击「授权访问此地址」授予具体接口权限。
轻度／标准／深度、自定义指令、术语表与上一块的只读上下文均保留，只作用于当前 Web 任务。浏览器接口仍逐段流式显示，CLI 逐块回写。自备 API 三次失败后可回落到 CLI 配置；CLI 请求的重试交给 CLI，避免叠加计费。关闭润色即可切回完整原文，失败的块也保留原文。
不是逐句发，也不是整篇发，而是按段落边界切块（默认 20 段 / 1200 字）并发发送：
- 逐句发：模型看不到上下文，修不了断句，一小时的课上千次请求。
- 整篇发：超出上下文，中途失败全部白做，长输出容易漂移。
- 分块发：块内是连续的完整段落，块与块并行、互不影响。每块还带上上一块的尾句 作为只读上下文，所以跨块边界处仍然连贯。
每块都要求模型逐条按 id 返回，id 对不上就整块保留原文。最坏结果是「这段没润色」， 不会出现「文字错位」。
关掉「润色文本」会立刻显示原文——原文一直留着，看原文不需要重新请求模型。
默认不显示同步入口。需要时，在设置页勾选「显示 course2md 同步按钮」，生成完成后点浮窗里的同步图标。它只把笔记写入桌面端的默认保存位置，不打开阅读页，也不管理课程。两版均不内置阅读器或课程库界面。
已登记桌面保存位置时直接沿用；尚未安装桌面端时使用同一配置目录的 desktop-local-library，以后可由桌面端读取。无需填写绝对路径；失效的已登记位置需在桌面端重新选择。正文、原文、截图与字幕时间线按 course2md 2.0 schema 1 保存，重复同步不会回滚较新的版本。同步需要所选版本的 MizoreLink，不创建桌面任务记录。
发行页 同时列出两版最近已验证的扩展包、对应组件和安装说明。版本号分别递增，按用途选择一个扩展包：
| 版本 | 适合 | 转录与截图需要 |
|---|---|---|
| 独立版 · Standalone | 由 Web 管理本机模型、转录、截图与润色 | MizoreLink，提供 Windows / macOS / Linux 安装器；无需另装 CLI |
| CLI 版 · CLI | 通过精简连接层复用 course2md CLI 的模型、配置与处理能力 | course2md 2.0 CLI + MizoreLink（登记一次） |
两版都有浮窗、字幕快取、图片密度与自备 API；平台字幕的纯文字笔记可直接使用扩展。本说明对应 CLI 版。
还没上架商店。用「加载已解压的扩展」：
- 打开
chrome://extensions（Edge 是edge://extensions），打开右上角的开发者模式； - 点加载已解压的扩展程序，选择所选扩展 ZIP 的解压目录（开发时也可选择对应分支的仓库目录）；
- 到 YouTube 或 B 站点开一个视频，点工具栏里的图标。
需要 Chrome/Edge 116 或更高。
支持的站点：YouTube（/watch）、哔哩哔哩（/video/）、以及任何页面上有 <video>
的页面（后者需要在弹窗里点一次授权）。在浏览器里直接打开本地视频文件也能用——那正是
course2md 的「本地录制」场景。
复制下面这段话发送给能操作本机的 agent：
请在我的电脑上完整部署 https://github.com/Tchirek/course2md-web。先检查系统、浏览器和已有环境，按 README 与最新发行说明选择合适版本，安装匹配的扩展、MizoreLink 和所需依赖，完成浏览器登记、模型准备与润色配置。沿用已有配置；缺少凭据或必须人工操作时，明确告诉我需要补充什么。请直接执行并持续排错，不要只提供步骤，直到用实际视频验证笔记生成、截图、润色和图文导出均可用；最后汇报安装位置、验证结果和仍未解决的问题，不要把未验证的功能称为完成。
原生 ESM，零构建。安装开发依赖后：
npm ci
npm run lint # 清单与严格类型检查
npm test # 浏览器核心、流式响应、认证与生命周期
npm run check:cli # 真实 CLI 的端到端协议检查
npm run check:layout # 无头 Chrome 的布局与滚动锚定
npm run check # 完整检查
npm run pack # 检查通过后产出扩展包、连接包与 SHA256SUMS
npm run shots # 界面状态截图
npm run serve # 本地自测台CLI 检查需要媒体工具；没有显式选择 CLI 时，检查脚本下载 SHA-256 固定的官方测试二进制。CI 在 Windows、macOS、Linux 检查真实协议和浏览器宿主，发布直接使用已验证的产物。传送脚本只使用 Python 标准库，没有 pip、虚拟环境或额外模型下载器。
字幕、分段、术语与显示逻辑在浏览器；传送层只处理认证、任务寿命和结果映射。设计取舍见 DESIGN.md。
- 平台字幕接口仍可能变化；浏览器内 WebGPU 转录尚未实现。
- CLI 模式依赖本机 CLI 及其媒体／推理依赖。浏览器连接仍需一次登记，纯扩展无法自行写入系统注册信息。
- CLI 原始进度不逐句输出；已有转录检查点用于显示部分文字，润色结果按块回写。
- 图文导出需要视频可下载；DRM 媒体不受支持。自配接口的播放器录音回退按播放速度处理。
- 两版保留 0.4.5 的页面笔记流程，阅读和课程管理由 course2md 桌面端负责。
MIT，全文见 LICENSE。第三方组件（随包分发的与运行时下载的）及其许可列在 THIRD_PARTY_NOTICES.md。
设计令牌取自 kill-ai-slop（Apache-2.0），数值原样保留，出处写在
src/ui/tokens.css 的注释里。繁简转换使用 opencc-js，许可文件随 src/vendor/ 提供。
README 里的动图与截图都由 npm run media 用本扩展在真实 YouTube 页面上录制，页面内容都是现场生成的真实结果；动图里的光标与镜头推拉是后期按真实操作的位置与时刻合成的。
演示课程为 MIT OpenCourseWare《6.0001 Introduction to Computer Science and Programming in Python》（Fall 2016，Dr. Ana Bell），
按 CC BY-NC-SA 4.0 使用。
横幅中的 YouTube 与 bilibili 标志取自 Wikimedia Commons（公有领域），仅用于标示所支持的站点；它们是各自所有者的商标。