anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
一个带网页表单的 n8n 工作流。粘贴一个 YouTube 链接,Apify 的 actor 取回字幕文本,OpenAI 模型再写出一份摘要。
通过表单、根据字幕总结的 YouTube 视频 是一款 n8n 工作流,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。
网页表单
有人提交表单时开始运行,表单里有:
一份写好的视频摘要,放在这次运行的输出里
开始之前要准备好这些。
字幕来源
对视频链接运行一个字幕 actor,并返回它的字幕文本。
需要Apify API 令牌
语言模型
逐段总结字幕文本,再把结果合在一起。
需要OpenAI API 密钥
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流把一个 YouTube 链接变成一份书面摘要。有人把链接粘贴进一个小小的网页表单。Apify 的 actor 取回视频的字幕文本,OpenAI 模型再用 Map Reduce 摘要链把它总结出来。整个流程由五个节点完成。旁边有五张便签。
想在花一小时之前先知道一个长视频大意的研究人员、学生、创作者和忙碌的读者。想学摘要链怎么运作的人也合适。如果你关心的视频没有字幕,就别选它,因为工作流只总结 actor 返回的文字。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 分析师 | 在决定看不看之前,先浏览一场长演讲或访谈 | 一位分析师粘贴一场会议演讲,先读摘要。 |
| 教育 | 学生 | 把一段讲座录像变成简短的笔记 | 一位学生粘贴一场讲座,把摘要放在笔记旁边。 |
| 媒体 | 创作者和编辑 | 看看竞争对手的视频讲了什么 | 一位创作者粘贴对手的视频,对比各个要点。 |
| 培训 | 团队负责人 | 把一场网络研讨会录像的大意分享给错过的人 | 一位负责人粘贴一场研讨会,把摘要发给团队。 |
你需要会一点 n8n:导入一个文件、添加一个 OpenAI 凭据,并把一个 Apify 令牌填进一个地址。文件里没有写设置要多久。
任何能访问 Apify 和 OpenAI 的 n8n 都能运行它。
Full URL 的字段的触发器Request YouTube Transcript 的地址和请求体点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。两个账号就覆盖所有步骤。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| Apify | 一个账号和它的 API 令牌,用于字幕 actor |
| OpenAI | 聊天模型用的 API 密钥 |
workflow.json。Request YouTube Transcript,把它地址里的 <YOUR_APIFY_TOKEN> 换成你的 Apify API 令牌。换别的 actor 也行,只要它的输入接受 startUrls。Summarization Engine 里选中它。YouTube video URL,用它的测试表单地址,把一个 YouTube 链接粘贴进 Full URL 并提交。Summarization of a YouTube script。打开表单,粘贴一个完整的 YouTube 地址并提交。表单只会说你的回复已记录。要读摘要,请在 n8n 里打开这次运行。
| 要改的 | 在哪里改 |
|---|---|
| 视频来源 | Request YouTube Transcript 的地址和请求体 |
| 摘要的风格 | Summarization of a YouTube script 的选项下面的方法和提示 |
| 模型 | Summarization Engine |
| 输入 | 把表单换成会发来 Full URL 的 webhook |
你粘贴一场长会议演讲的链接。
表单回复说你的回复已记录。在 n8n 里,这次运行显示 actor 返回的字幕文本,和模型根据它写出的摘要。浏览一下摘要,再决定这场演讲值不值得花时间。
新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这里表单是起点,请求取回文字,摘要链把文字缩短。聊天模型是摘要链借用的大脑。从左到右顺着方框看就行。
专家:摘要链把每一项的 JSON 当作它的文本,所以 actor 返回的内容决定了摘要的样子。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
YouTube video URL | 2.2 版的 Form Trigger,一个字段 Full URL,路径是 youtube-summary | 表单没有登录,用 n8n 默认的文字作答 |
Request YouTube Transcript | 4.2 版的 HTTP Request,一个 POST,JSON 请求体里有 startUrls | Apify 的运行接口在 300 秒之后回复 408 |
Summarization of a YouTube script | 2 版的 Summarization Chain,以节点输入的 JSON 为文本,每块 1000 个字符、重叠 200,Map Reduce | actor 返回的每一项各得一份摘要 |
Summarization Engine | 1.1 版的 OpenAI Chat Model,用 gpt-5.6-terra | 在 Mindket 的副本里设置,因为原始副本没有指定模型 |
表单不显示摘要,而且长视频要花很多次模型调用。
gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日停用它。Mindket 的副本指定 gpt-5.6-terratopaz_sharingan~Youtube-Transcript-Scraper。请查看它的页面,了解价格和它能读的视频一个带网页表单的 n8n 工作流。你粘贴一个 YouTube 链接,Apify 的 actor 取回视频的字幕文本,OpenAI 模型再写出一份摘要。摘要放在 n8n 里这次运行的输出中。
workflow.json:n8n 导出的工作流,5 个节点,另有 5 张便签。里面没有任何凭据。README.md:这份说明。Mindket 补上了这份副本留下的空缺:
topaz_sharingan~Youtube-Transcript-Scraper,token= 后面是 <YOUR_APIFY_TOKEN>。请求体本来就符合这个 actor 的输入,一个叫 startUrls 的列表。Mindket 于 2026 年 11 月 12 日在 Apify 商店里读到了这一点。ddd。现在是 youtube-summary。gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日停用它。Mindket 的副本指定 gpt-5.6-terra,这是 OpenAI 给它的替代。workflow.json。Request YouTube Transcript,把地址里的 <YOUR_APIFY_TOKEN> 换成你的 Apify API 令牌。要用别的 actor,就把它的 ID 换进地址。它的输入必须接受 startUrls,否则你要改请求体。Summarization Engine 里选中它。YouTube video URL,用它的测试表单地址,把一个 YouTube 链接粘贴进 Full URL 并提交。Summarization of a YouTube script 的输出里读摘要。YouTube video URL 显示一个只有一个字段 Full URL 的表单。有人提交它时,一次运行就开始。Request YouTube Transcript 把链接以 {"startUrls": ["<the link>"]} 的形式发给 Apify,并等 actor 跑完。Apify 的文档(2026 年 11 月 12 日查看)说,一次运行超过 300 秒时,这个接口会回复 408。Summarization of a YouTube script 取 actor 返回的每一项,把它全部的 JSON 当作文本,切成每块 1000 个字符、重叠 200 的块。然后用 Map Reduce 方法和节点默认的提示来总结。Summarization Engine 是它用的聊天模型。No Operation, do nothing 结束这次运行。Request YouTube Transcript 里的地址和请求体。任何返回字幕文本的服务都行。Summarization of a YouTube script 的选项下面的方法和提示。Summarization Engine。Full URL。No Operation, do nothing 后面加节点,比如发邮件或写一行表格。NOTICE.md 606 B README.md 4 KB workflow.json 6 KB
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。