Summarize：全能网页与媒体摘要工具

summarize

通过浏览器侧边栏或命令行，快速获取网页、YouTube 视频、播客及各类文件的智能摘要与幻灯片提取。

Peter Steinberger

所有人 / 职场人

写作文案视频已认证开源许可: MIT

GitHub Stars6.5K

试试这样做

请总结这个 YouTube 视频的核心观点，并提取其中的关键幻灯片截图。

请总结这个网页的内容，并列出其中的三个核心要点。

请分析这份 PDF 文档，并为我提供一份详细的摘要。

详细介绍

Summarize

从 URL、文件和媒体中快速生成摘要。可在终端、Chrome 侧边栏和 Firefox 侧边栏中使用。

核心能力

Chrome 侧边栏聊天：在侧边栏内提供流式智能体对话和历史记录。
视频幻灯片：为 YouTube、直接视频 URL 和本地视频文件提供截图 + OCR + 字幕卡片。
媒体感知摘要：自动检测视频/音频与页面内容。
编码 CLI 后端：支持 Codex、Claude、Gemini、Cursor Agent、OpenClaw、OpenCode、GitHub Copilot、Antigravity、pi。
流式 Markdown：包含指标和缓存状态。
CLI 支持：URL、文件、播客、YouTube、音频/视频、PDF。

Chrome 扩展

Summarize 扩展截图

一键总结当前标签页。Chrome 侧边栏 + Firefox 侧边栏 + 本地守护进程，支持流式 Markdown。

Chrome 网上应用店：Summarize Side Panel

YouTube 幻灯片截图（来自浏览器）：

Summarize YouTube 幻灯片截图

初学者快速入门（扩展）

安装扩展（上面的 Chrome 网上应用店链接）并打开侧边栏。
选择 Direct 或 Daemon。Direct 模式在未配置提供商密钥时默认使用 Gemini Nano，或从 Chrome 调用您选择的提供商。
选择浏览器媒体以进行无守护进程的转录/幻灯片。可选：安装 CLI 并配对守护进程，以获得原生工具、CLI 模型回退、OCR 和更广泛的媒体支持。

注意：

仅当侧边栏打开时才进行摘要。
自动模式会在导航（包括 SPA）时自动总结；否则使用按钮。
守护进程仅限本地主机，需要共享令牌。
自动启动：macOS（launchd）、Linux（systemd 用户）、Windows（计划任务）。

幻灯片（扩展）

在 Summarize 选择器中选择 Video + Slides。
幻灯片在顶部渲染；可展开为带时间戳的全宽卡片。
点击幻灯片可跳转到视频对应位置；当 OCR 显著时可切换 Transcript/OCR。
浏览器模式使用 MediaBunny，通过原生 WebCodecs 和范围网络读取来获取可获取的视频，当源或编解码器不可用时回退到可见标签页捕获。
守护进程模式额外提供 yt-dlp、原生 ffmpeg 和可选的 tesseract OCR。

CLI

Summarize CLI 截图

需要 Node 24+。

可选本地依赖

如果您需要媒体密集型功能，请安装以下工具：

ffmpeg：可选的原生加速器，支持更广泛的编解码器；回退使用内置的 WebAssembly 版本。
yt-dlp：YouTube 幻灯片提取和某些远程媒体流程需要。
tesseract：可选，用于 --slides-ocr。

macOS（Homebrew）：

brew install ffmpeg yt-dlp
brew install tesseract # 可选，用于 --slides-ocr

如果原生 ffmpeg/ffprobe 不可用，Summarize 将使用内置的 WebAssembly 构建。仍推荐原生 ffmpeg 以获得速度和更广泛的编解码器/滤镜支持。

快速开始

summarize "https://example.com"

检查有效模型配置：

summarize status
summarize status --verbose
summarize status --probe
summarize status --json

输入

URL 或本地路径：

summarize "/path/to/file.pdf" --model google/gemini-3-flash
summarize "https://example.com/report.pdf" --model google/gemini-3-flash
summarize "/path/to/audio.mp3"
summarize "/path/to/video.mp4"

标准输入（使用 - 管道输入）：

echo "content" | summarize -
pbpaste | summarize -

YouTube（支持 youtube.com 和 youtu.be）：

summarize "https://youtu.be/dQw4w9WgXcQ" --youtube auto

播客 RSS（转写最新一集）：

summarize "https://feeds.npr.org/500005/podcast.xml"

Apple Podcasts 单集页面：

summarize "https://podcasts.apple.com/us/podcast/2424-jelly-roll/id360084272?i=1000740717432"

Spotify 单集页面（尽力而为，独家内容可能失败）：

summarize "https://open.spotify.com/episode/5auotqWAXhhKyb9ymCuBJY"

HLS 播放列表：

summarize "https://example.com/master.m3u8"

输出长度

--length 控制我们要求输出的量（指导性），并非硬性限制。内置默认值为 long。

可在 ~/.summarize/config.json 中通过 output.length 设置默认值。

预设值：short|medium|long|xl|xxl
字符目标：1500、20k、20000
可选硬性上限：--max-output-tokens <count>（例如 2000、2k）
短内容：当提取的内容短于请求的长度时，CLI 会原样返回内容。使用 --force-summary 覆盖，强制运行 LLM。
最小值：--length 数值必须 >= 10 个字符；--max-output-tokens 必须 >= 16。
预设目标（来源：packages/core/src/prompts/summary-lengths.ts）：
- short：目标约 900 字符（范围 600-1,200）
- medium：目标约 1,800 字符（范围 1,200-2,500）
- long：目标约 4,200 字符（范围 2,500-6,000）
- xl：目标约 9,000 字符（范围 6,000-14,000）
- xxl：目标约 17,000 字符（范围 14,000-22,000）

支持的文件类型

尽力而为，且取决于提供商。以下通常工作良好：

text/* 和常见结构化文本（.txt、.md、.json、.yaml、.xml 等）
PDF：application/pdf（提供商支持程度不同；Google 最可靠）
图片：image/jpeg、image/png、image/webp、image/gif
音频/视频：audio/*、video/*（本地音频/视频文件在模型支持时会自动转写）

注意：

如果提供商拒绝某种媒体类型，CLI 会快速失败并显示友好消息。
xAI 模型不支持通过 AI SDK 附加通用文件（如 PDF）；对于这些情况，请使用 Google/OpenAI/Anthropic。

模型 ID

使用网关风格 ID：<provider>/<model>。

示例：

openai/gpt-5.4
openai/gpt-5.4-mini
openai/gpt-5.4-nano
openai/gpt-5-mini
openai/gpt-5-nano
github-copilot/gpt-5.4
anthropic/claude-sonnet-4-5
xai/grok-4-fast-non-reasoning
google/gemini-3-flash
zai/glm-4.7
minimax/MiniMax-M3
openrouter/openai/gpt-5-mini（强制使用 OpenRouter）

注意：某些模型/提供商不支持流式传输或某些文件媒体类型。此时 CLI 会打印友好错误（或在提供商支持时为该模型自动禁用流式传输）。

OpenAI 快速模式和思考模式

快速模式是一个请求选项，不是模型 ID：

summarize "https://example.com" --model openai/gpt-5.5 --fast --thinking medium
summarize "https://example.com" --model openai/gpt-5.4 --service-tier fast --thinking low

--fast 是 --service-tier fast 的简写。
--service-tier default|fast|priority|flex 控制 OpenAI 服务层级。fast 是 Summarize/Codex 使用的拼写，发送给 OpenAI 时变为 service_tier="priority"。
--thinking none|low|medium|high|xhigh 控制 OpenAI 推理努力程度。别名：off → none，min → low，mid / med → medium，x-high / extra-high → xhigh。
--service-tier default 会清除一次运行配置的层级。

限制

超过 10 MB 的文本输入在分词前会被拒绝。
文本提示会针对模型输入限制（LiteLLM 目录）进行预检查，使用 GPT 分词器。

常用标志

summarize <input> [flags]

--model <provider/model>：使用的模型（默认为 auto）
--model auto：自动选择模型 + 回退（默认）
--model <name>：使用内置或配置定义的预设
--timeout <duration>：30s、2m、5000ms（默认 2m）
--retries <count>：超时或临时 API 失败后的 LLM 重试次数（默认 1）
--length short|medium|long|xl|xxl|s|m|l|<chars>
--language, --lang <language>：输出语言（auto = 匹配源语言）
--max-output-tokens <count>：LLM 输出令牌的硬性上限
--cli [provider]：使用 CLI 提供商（--model cli/<provider>）。支持 claude、gemini、codex、agent、openclaw、opencode、copilot、agy、pi。如果省略，则使用启用了 CLI 的自动选择。
--stream auto|on|off：流式输出 LLM 结果（auto = 仅 TTY；在 --json 模式下禁用）
--plain：保留原始输出（无 ANSI/OSC Markdown 渲染）
--no-color：禁用 ANSI 颜色
--theme <name>：CLI 主题（aurora、ember、moss、mono）
--format md|text：网站/文件内容格式（默认 text）
--markdown-mode off|auto|llm|readability：HTML -> Markdown 模式（默认 readability）
--preprocess off|auto|always：控制 uvx markitdown 的使用（默认 auto）
--extract：打印提取的内容并退出（URL、YouTube/直接媒体、本地音频/视频和本地 PDF；不支持标准输入 -）
--slides：为 YouTube、直接视频 URL 或本地视频文件提取幻灯片，并在摘要叙述中内联渲染
--no-slides：对单次运行禁用 ~/.summarize/config.json 中启用的幻灯片提取
--slides-ocr：对提取的幻灯片运行 OCR（需要 tesseract）
--no-slides-ocr：对单次运行禁用 ~/.summarize/config.json 中启用的幻灯片 OCR
--slides-dir <dir>：幻灯片图像的基础输出目录（默认 ./slides）
--slides-scene-threshold <value>：场景检测阈值（0.1-1.0）
--slides-max <count>：最大提取幻灯片数量（默认 6）
--slides-min-duration <seconds>：幻灯片之间的最小秒数
--json：机器可读输出，包含诊断信息、提示、metrics 和可选的摘要
--verbose：调试/诊断信息输出到 stderr
--metrics off|on|detailed：指标输出（默认 on）

编码 CLI

Summarize 可以将常见的编码 CLI 用作本地模型后端：

codex -> --cli codex / --model cli/codex/<model>
claude -> --cli claude / --model cli/claude/<model>
gemini -> --cli gemini / --model cli/gemini/<model>
agent（Cursor Agent CLI）-> --cli agent / --model cli/agent/<model>
openclaw -> --cli openclaw / --model cli/openclaw/<model> 或 --model openclaw/<model>
opencode -> --cli opencode / --model cli/opencode/<model>（--model cli/opencode 使用 OpenCode 运行时默认值）
copilot（GitHub Copilot CLI）-> --cli copilot / --model cli/copilot/<model>（--model cli/copilot 使用 Copilot 运行时默认值）
agy（Antigravity CLI）-> --cli agy / --model cli/agy（使用 agy 活动会话模型；agy print 模式不支持按调用选择模型）
pi（Pi Coding Agent）-> --cli pi / --model cli/pi 或 --model cli/pi/<model>

内置预设：

--model codex-fast 使用 GPT-5.5 Fast 模式运行 Codex，需要 codex login。

要求：

二进制文件已安装并在 PATH 中（或设置对应的路径环境变量）
提供商已认证

自动模型排序

--model auto 根据内置规则（或您的 model.rules 覆盖）构建候选尝试。当设置了 cli.enabled 或隐式自动选择处于活动状态时，CLI 尝试会被前置。

默认回退行为：仅当未配置 API 密钥时，顺序为 claude, gemini, codex, agent, openclaw, opencode, copilot，并记住/优先使用最后一个成功的提供商（~/.summarize/cli-state.json）。Antigravity 和 pi 是加入的，除非您将它们添加到 cli.autoFallback.order。

网站提取（Firecrawl + Markdown）

非 YouTube URL 会经过 fetch -> extract 管道。当直接 fetch/extract 被阻止或内容太少时，--firecrawl auto 可以回退到 Firecrawl（如果已配置）。

--firecrawl off|auto|always（默认 auto）
--extract --format md|text（默认 text；如果省略 --format，则 --extract 对非 YouTube URL 默认为 md）
--markdown-mode off|auto|llm|readability（默认 readability）

YouTube 字幕

--youtube auto 首先尝试尽力而为的网页字幕端点。当字幕不可用时，回退到：

yt-dlp + Whisper（如果 yt-dlp 可用）
Android VR 直接音频 + 配置的转写链
Apify（如果设置了 APIFY_API_TOKEN）

带有说话人标签的 YouTube、本地音频/视频和直接媒体 URL 字幕可通过 --diarize 获得。

幻灯片提取

提取幻灯片截图（通过 ffmpeg 进行场景检测）和可选 OCR。需要 yt-dlp 用于 YouTube 视频下载/流解析，tesseract 仅在使用 --slides-ocr 时需要。

summarize "https://www.youtube.com/watch?v=..." --slides
summarize "https://www.youtube.com/watch?v=..." --slides --slides-ocr
summarize "/path/to/video.webm" --slides

输出写入 ./slides/<sourceId>/（或 --slides-dir）。OCR 结果包含在 JSON 输出中，并存储在 slides.json 中。

媒体转写（Whisper）

本地音频/视频文件先被转写，然后进行摘要。--video-mode transcript 强制直接媒体 URL 首先通过 Whisper。自动模式在配置时首先尝试 Groq，然后尝试本地 ONNX/whisper.cpp，再尝试云端回退。配置本地 ONNX/whisper.cpp 用于仅本地转写；否则设置 GROQ_API_KEY、ASSEMBLYAI_API_KEY、GEMINI_API_KEY、OPENAI_API_KEY、FAL_KEY 或 DEEPGRAM_API_KEY 之一。

本地 ONNX 转写（Parakeet/Canary）

Summarize 可以通过您提供的本地 CLI 使用 NVIDIA Parakeet/Canary ONNX 模型。自动选择在配置时首先尝试 Groq，然后尝试 ONNX，再尝试 whisper.cpp 和其余云端回退。

设置助手：summarize transcriber setup
自动选择：设置 SUMMARIZE_ONNX_PARAKEET_CMD 或 SUMMARIZE_ONNX_CANARY_CMD
选择本地转写阶段：--transcriber parakeet|canary|whisper|auto

已验证的播客服务（2026-07-17）

Apple Podcasts
Spotify
小宇宙
Amazon Music / Audible 播客页面
Podbean
Podchaser
RSS 订阅（可用时支持 Podcasting 2.0 字幕）
嵌入式 YouTube 播客页面（例如 JREPodcast）

翻译路径

--language/--lang 控制摘要的输出语言（以及其他 LLM 生成文本）。默认值为 auto。当输入是音频/视频时，CLI 需要先获得字幕，来源可以是现有字幕（YouTube 字幕、Podcasting 2.0 RSS）或 Whisper 转写回退。

配置

单一配置文件位置：~/.summarize/config.json

运行 summarize status 以检查有效默认模型、配置的预设和模型提供商。

支持的键：

{
  "model": { "id": "openai/gpt-5-mini" },
  "env": { "OPENAI_API_KEY": "sk-..." },
  "output": { "length": "long" },
  "ui": { "theme": "ember" }
}

也支持：

model: { "mode": "auto" }（自动模型选择 + 回退）
model.rules（自定义候选项/排序）
models（定义可通过 --model <preset> 选择的预设）
env（通用的环境变量默认值；进程环境变量仍然优先）
apiKeys（旧版快捷方式，映射到环境变量名称；新配置建议使用 env）
output.length（默认 long）
cache.media（媒体下载缓存：默认 TTL 7 天，上限 2048 MB）
media.videoMode: "auto"|"transcript"|"understand"
media.embeddedVideo: "auto"|"off"|"prefer"|"both"（默认 auto）
slides.enabled / slides.max / slides.ocr / slides.dir（--slides 的默认值）
ui.theme: "aurora"|"ember"|"moss"|"mono"
openai.useChatCompletions: true
openai.serviceTier: "fast"|"priority"|"flex"
openai.thinking / openai.reasoningEffort: "none"|"low"|"medium"|"high"|"xhigh"
openai.textVerbosity: "low"|"medium"|"high"

注意：配置以宽松方式解析（JSON5），但不允许注释。未知键将被忽略。

优先级：

--model
SUMMARIZE_MODEL
~/.summarize/config.json
默认值（auto）

环境变量

设置与您选择的 --model 匹配的密钥：

OPENAI_API_KEY（用于 openai/...）
NVIDIA_API_KEY（用于 nvidia/...）
MINIMAX_API_KEY（用于 minimax/...）
ANTHROPIC_API_KEY（用于 anthropic/...）
XAI_API_KEY（用于 xai/...）
Z_AI_API_KEY（用于 zai/...；支持 ZAI_API_KEY 别名）
GEMINI_API_KEY（用于 google/...）—— 也接受 GOOGLE_GENERATIVE_AI_API_KEY 和 GOOGLE_API_KEY

OpenAI 兼容聊天补全切换：

OPENAI_USE_CHAT_COMPLETIONS=1

UI 主题：

SUMMARIZE_THEME=aurora|ember|moss|mono
SUMMARIZE_TRUECOLOR=1（强制 24 位 ANSI）
SUMMARIZE_NO_TRUECOLOR=1（禁用 24 位 ANSI）

OpenRouter（OpenAI 兼容）：

设置 OPENROUTER_API_KEY=...
建议通过模型 ID 强制使用 OpenRouter：--model openrouter/<author>/<slug>
内置预设：--model free（使用一组默认的 OpenRouter :free 模型）

NVIDIA API Catalog：

设置 NVIDIA_API_KEY=...
可选：NVIDIA_BASE_URL=https://integrate.api.nvidia.com/v1
积分：API Catalog 试用版在注册时赠送 1000 个免费 API 积分

Z.AI（OpenAI 兼容）：

Z_AI_API_KEY=...（或 ZAI_API_KEY=...）
可选的基础 URL 覆盖：Z_AI_BASE_URL=...

MiniMax（OpenAI 兼容）：

设置 MINIMAX_API_KEY=...
可选的基础 URL 覆盖：MINIMAX_BASE_URL=...（默认 https://api.minimax.io/v1）

可选服务：

FIRECRAWL_API_KEY（网站提取回退）
YT_DLP_PATH（yt-dlp 二进制文件路径）
GROQ_API_KEY（Groq Whisper 转写）
ASSEMBLYAI_API_KEY（AssemblyAI 转写）
ELEVENLABS_API_KEY（ElevenLabs Scribe v2 说话人识别）
GEMINI_API_KEY / GOOGLE_GENERATIVE_AI_API_KEY / GOOGLE_API_KEY（Gemini 转写）
SUMMARIZE_GEMINI_TRANSCRIPTION_MODEL（可选的 Gemini 模型覆盖；默认 gemini-2.5-flash）
OPENAI_API_KEY / OPENAI_WHISPER_BASE_URL（OpenAI Whisper 转写）
FAL_KEY（FAL AI API 密钥）
DEEPGRAM_API_KEY（Deepgram API 密钥）
SUMMARIZE_DEEPGRAM_TRANSCRIPTION_MODEL（可选的 Deepgram 模型覆盖；默认 nova-3）
APIFY_API_TOKEN（YouTube 字幕回退）

`summarize refresh-free`

重新生成 free 预设（~/.summarize/config.json 中的 models.free），通过以下步骤：

获取 OpenRouter /models，过滤出 :free 模型
跳过看起来非常小的模型（默认 <27B）
测试哪些模型返回非空文本
选择一组智能和快速的模型混合
精炼时序并将排序后的列表写回

如果 --model free 停止工作，运行：

summarize refresh-free

标志：

--runs 2（默认）：每个选中的模型额外运行次数
--smart 3（默认）：优先选择智能模型的数量（其余由最快模型填充）
--min-params 27b（默认）：忽略推断参数小于 N 十亿的模型
--max-age-days 180（默认）：忽略早于 N 天的模型（设为 0 禁用）
--set-default：同时将 ~/.summarize/config.json 中的 "model" 设置为 "free"

模型限制

CLI 使用 LiteLLM 模型目录来获取模型限制（如最大输出令牌）：

从以下地址下载：https://raw.githubusercontent.com/BerriAI/litellm/main/model_prices_and_context_window.json
缓存位置：~/.summarize/cache/

其他文档

故障排除

"Receiving end does not exist"：Chrome 尚未注入内容脚本。扩展详情 -> 站点访问 -> 在所有站点上（或允许此域名）。重新加载标签页一次。
"Failed to fetch" / 守护进程无法访问：
- summarize daemon status
- 对于非默认端口，确认 Options → Runtime → Daemon → Port 与守护进程配置一致。
- 日志：~/.summarize/logs/daemon.err.log

许可证：MIT