.env.example
.env.example
# VideoDoc 环境变量示例
#
# 用法:复制为 .env 后按需修改。
# cp .env.example .env
#
# 优先级:真实环境变量 > .env 文件。也就是说已经 export 的变量不会被本文件覆盖。
# 可用 VIDEODOC_ENV_FILE 把 .env 指到别处:
# VIDEODOC_ENV_FILE=/path/to/local.env
#
# 下面所有项都有内置默认值,全部留空也能启动(LLM 相关除外)。
# ---------------------------------------------------------------------------
# 运行数据
# ---------------------------------------------------------------------------
# 任务数据、转写、关键帧等运行产物存放目录。
# 默认:~/.local/share/videodoc
# VIDEODOC_RUNTIME_DIR=
# 前端构建产物目录。默认:<项目根>/frontend/dist
# VIDEODOC_FRONTEND_DIST=
# 监听地址与端口(仅 scripts/serve.sh 使用;videodoc 命令用 --host/--port)
# VIDEODOC_HOST=0.0.0.0
# VIDEODOC_PORT=8765
# ---------------------------------------------------------------------------
# LLM(生成大纲与正文,OpenAI 兼容接口)
# ---------------------------------------------------------------------------
#
# 这些值只是**默认值**:启动后可以在网页设置页 /app/settings 的「文本模型」里
# 覆盖(页面保存的值优先,落在 ~/.config/videodoc/settings.json)。
# 必填:API Key。旧变量名 OPENCODE_GO_API_KEY 仍兼容。
# 也可以改用密钥文件:VIDEODOC_LLM_API_KEY_FILE=~/.secrets/ai.env
# VIDEODOC_LLM_API_KEY=
# 默认:https://api.deepseek.com
# VIDEODOC_LLM_BASE_URL=
# 默认:deepseek-v4-flash(模型名时效性较强,可查询服务商 /models 接口确认)
# VIDEODOC_LLM_MODEL=
# 单次请求超时(秒),默认 600
# VIDEODOC_LLM_TIMEOUT=
# 每次大纲/正文请求显式发送的 max_tokens,默认 32768。
# 思考型模型的推理也计入该预算;过小会导致输出被截断(finish_reason=length)。
# VIDEODOC_LLM_MAX_TOKENS=
# 瞬时错误(SSL/超时/断连)自动重试次数,默认 3。
# 链路抖动明显时可调高;设为 0 表示不重试。
# VIDEODOC_LLM_RETRIES=
# ---------------------------------------------------------------------------
# 转写(whisper.cpp)
# ---------------------------------------------------------------------------
# 模型名或本地 .bin 绝对路径。默认:large-v3-turbo(首次运行约需下载 1.5GB)
# VIDEODOC_WHISPER_MODEL=
# 模型搜索目录(可放多个 ggml-*.bin)
# VIDEODOC_WHISPER_MODEL_DIR=
# 已自行准备 whisper CLI 时,指向可执行文件即可跳过 pywhispercpp,
# 命令约定为:<bin> <audio.wav> -of <输出前缀>
# VIDEODOC_WHISPER_BIN=
# 识别语言。默认 auto(自动检测);指定如 zh、en 可略微提速
# VIDEODOC_WHISPER_LANGUAGE=
# 推理线程数。默认 min(8, CPU 核数)
# VIDEODOC_WHISPER_THREADS=
# ---------------------------------------------------------------------------
# 关键帧抽取(claude-real-video)
# ---------------------------------------------------------------------------
# 覆盖 crv 可执行文件。默认用当前解释器执行 python -m claude_real_video
# VIDEODOC_CRV=
# 场景变化灵敏度 0-1,越低抽帧越多。默认 0.30
# VIDEODOC_FRAME_SCENE=
# 至少每 N 秒保留一帧。默认 3
# VIDEODOC_FRAME_FLOOR=
# 关键帧上限。默认 120
# VIDEODOC_MAX_FRAMES=
# 关键帧宽度(像素)。默认 960,画面文字小时可调高
# VIDEODOC_FRAME_WIDTH=
# ---------------------------------------------------------------------------
# 图像证据:本地 OCR(macOS Vision)与云端视觉理解
# ---------------------------------------------------------------------------
# 两条通道可同时开启:本地给逐行文字(离线、免费),云端给画面理解(需 BaseURL + Key)。
# 页面上也能改(设置页 /app/settings),页面保存的值优先于这里的默认值。
# 通道选择:auto(默认:有本地用本地,配了云端就两者都用)/ local / external / both
# VIDEODOC_VISION_ENGINE=
# 最多对多少张章节配图做云端理解。默认 12(选图阶段硬上限仍是 VIDEODOC_OCR_MAX_FRAMES=24)
# VIDEODOC_VISION_MAX_FRAMES=
# 云端每日调用硬预算(本地计数,避免挤占共用上游额度的其他服务)。默认 200
# VIDEODOC_VISION_DAILY_BUDGET=
# 云端协议:openai-chat(最通用)/ openai-responses(gpt-load 图像识别组用这个)
# / anthropic-messages / gemini-generateContent
# VIDEODOC_VISION_PROTOCOL=
# 图像识别端点与模型。例:本机 gpt-load 的 image-recognition 组
# VIDEODOC_VISION_BASE_URL=http://192.168.8.211:3006/v1
# VIDEODOC_VISION_MODEL=gemini-3.5-flash-lite
# 云端 Key:可直填明文,也可指向密钥文件(纯值或 KEY=VALUE 两种都认)
# VIDEODOC_VISION_API_KEY=
# VIDEODOC_VISION_API_KEY_FILE=
# 自定义提示词(默认要求描述画面并提取文字/数值,且不得推测)
# VIDEODOC_VISION_PROMPT=
# 超时(秒,默认 90)、重试次数(默认 2)、输出 token 上限(默认 1024)
# VIDEODOC_VISION_TIMEOUT=
# VIDEODOC_VISION_RETRIES=
# VIDEODOC_VISION_MAX_TOKENS=
# 覆盖本地 OCR 脚本。默认使用随包内置的 macOS Vision 脚本
# VIDEODOC_OCR_SCRIPT=
# 本地 OCR 语言与精度(默认 zh-Hans,en-US / accurate;精度可选 fast)
# VIDEODOC_OCR_LANG=
# VIDEODOC_OCR_LEVEL=
# 最多对多少张章节配图做图像取证(本地+云端共用的选图上限)。默认 24
# VIDEODOC_OCR_MAX_FRAMES=
# 设置文件位置(默认 ~/.config/videodoc/settings.json,页面保存的设置写这里)
# VIDEODOC_SETTINGS_FILE=
# ---------------------------------------------------------------------------
# 下载
# ---------------------------------------------------------------------------
# yt-dlp 读取哪个浏览器的登录态。默认 chrome;设为空字符串可完全禁用
# VIDEODOC_COOKIE_BROWSER=
# Bilibili 专用代理;部分代理出口会触发 HTTP 412,此时可指定直连或换出口
# VIDEODOC_BILIBILI_PROXY=
# Bilibili 请求使用的 User-Agent
# VIDEODOC_BILIBILI_USER_AGENT=
# 覆盖 yt-dlp 调用方式(默认用当前解释器执行 python -m yt_dlp)
# VIDEODOC_YT_DLP=
# VIDEODOC_YT_DLP_PYTHON=
# ---------------------------------------------------------------------------
# 调试
# ---------------------------------------------------------------------------
# 设为 1 时用内置假数据代替 LLM 调用,便于无 API Key 时试跑全流程
# VIDEODOC_FAKE_LLM=