用途：在单块本地 GPU（如 NVIDIA Tesla P100 16GB、Apple Silicon Metal、LM Studio、Ollama）上为长直播生成 YouTube 时间戳与主题摘要，无需云端 API 费用；若有云端 API 并需高并发子代理编排，则使用 anibon-timestamper。
主要能力：流水线含降噪与预规范化、知识自读（读取 references/*.md 并查询 atlas_fgo.db、pokemon.db，生成 entity_glossary.json）、准备与分块、LiveChat 情绪检测、主题分段、可选视觉校验、总结组装为 4–6 个主题部分、乱码收集与 Whisper 真值、确定性一致性检查（NO GAPS > 10m）。支持 --mode recursive（默认推荐）与 --mode group，多模态图文块分析与整段视觉校验，远程 OpenAI 兼容端点（TokenMe 等），并自动探测 http://100.115.25.30:1234，不可达时回退 http://127.0.0.1:1234。
必要用法：先用 prepare_video.py 下载并分块，再运行 process_chunks_local.py。示例：python3 -X utf8 scripts/prepare_video.py "https://www.youtube.com/watch?v=<VIDEO_ID>" --workspace "~/youtube_<VIDEO_ID>workspace" --format txt --block 300 --overlap 30；随后 python3 -X utf8 scripts/process_chunks_local.py "~/youtube<VIDEO_ID>_workspace" --mode recursive --lang th。可用 --vision-verify、--multimodal-chunks、--no-garbled-collector、--no-knowledge-reader、--video-url 等参数。
限制：本地小模型世界知识有限，需依赖 4 层防幻觉机制与知识自读校验；非标准标签会被规范化重映射；不支持把整段长转录塞入单提示；本资料未提供具体收费、平台要求与效果数据。