Summarize：全能网页与媒体摘要工具

一键生成网页与视频的精炼摘要，并自动提取关键幻灯片。

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

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）：

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

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

CLI 提供商和配置

自动模型规则

网站提取

YouTube 处理

媒体管道

配置模式和优先级

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

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。

---

作者：Peter Steinberger 所有人 / 职场人 ｜ GitHub Stars 6.5K ｜ 标签：写作文案 视频 已认证 开源许可: MIT

来源：colaos.ai ｜ Skill ID：summarize