Y2A-Auto

把 YouTube 视频搬运到 AcFun 的自动化工具

从下载、翻译字幕、内容审核、智能打标签，到分区推荐与上传，全流程自动化；附带 Web 管理界面与 YouTube 监控功能。

快速开始 · 功能特性 · 部署与运行 · 配置说明 · 使用指南 · 常见问题

---

📣 Telegram 转发机器人（试用）： @Y2AAuto_bot
_{自部署版本：Y2A-Auto-tgbot}

功能特性

• 一条龙自动化
  • yt-dlp 下载视频与封面
  • 字幕下载、AI 翻译并可嵌入视频
  • AI 生成标题/描述与标签，推荐分区
  • 内容安全审核（阿里云 Green）
  • 上传至 AcFun（基于 acfun_upload）
• Web 管理后台
  • 任务列表、人工审核、强制上传
  • 设置中心（开关自动模式、并发、代理、字幕等）
  • 登录保护与暴力破解锁定
• YouTube 监控
  • 频道/趋势抓取（需配置 API Key）
  • 定时任务与历史记录
• 可选 GPU/硬件加速
• Docker 一键部署，或本地运行

项目结构

Y2A-Auto/
├─ app.py                         # Flask Web 入口
├─ requirements.txt               # 依赖列表
├─ Dockerfile                     # Docker 构建
├─ docker-compose.yml             # 生产/拉取镜像运行
├─ docker-compose-build.yml       # 本地构建镜像运行
├─ Makefile                       # 常用 Docker 管理命令
├─ README.md                      # 项目说明（此文件）
├─ LICENSE                        # 许可证
├─ acfunid/                       # AcFun 分区映射
│  └─ id_mapping.json
├─ build-tools/                   # 打包/构建相关脚本
│  ├─ build_exe.py
│  ├─ build.bat
│  ├─ README.md
│  └─ setup_app.py
├─ config/                        # 应用配置（首次运行生成）
│  └─ config.json
├─ cookies/                       # Cookie（需自行准备）
│  ├─ ac_cookies.txt
│  └─ yt_cookies.txt
├─ db/                            # SQLite 数据库与持久化数据
├─ downloads/                     # 任务产物（每任务一个子目录）
├─ ffmpeg/                        # 仓库内置 Windows/Linux ffmpeg，可按需替换
├─ fonts/                         # 字体（供字幕嵌入使用）
├─ logs/                          # 运行与任务日志
├─ modules/                       # 核心后端模块（应用逻辑）
│  ├─ __init__.py
│  ├─ acfun_uploader.py
│  ├─ ai_enhancer.py
│  ├─ config_manager.py
│  ├─ content_moderator.py
│  ├─ speech_recognition.py
│  ├─ subtitle_translator.py
│  ├─ task_manager.py
│  ├─ youtube_handler.py
│  ├─ youtube_monitor.py
│  └─ utils.py
├─ static/                        # 前端静态资源（CSS/JS/图标/第三方库）
│  ├─ css/
│  │  └─ style.css
│  ├─ img/
│  ├─ js/
│  │  └─ main.js
│  └─ lib/
│     └─ bootstrap/
│        ├─ bootstrap.bundle.min.js
│        ├─ bootstrap.min.css
│        └─ jquery.min.js
│     └─ icons/
│        └─ bootstrap-icons.css
├─ temp/                          # 临时文件与中间产物
└─ templates/                     # Jinja2 模板
  ├─ base.html
  ├─ edit_task.html
  ├─ index.html
  ├─ login.html
  ├─ manual_review.html
  ├─ settings.html
  ├─ tasks.html
  ├─ youtube_monitor_config.html
  ├─ youtube_monitor_history.html
  └─ youtube_monitor.html

快速开始

推荐使用 Docker（无需本地安装 Python/FFmpeg/yt-dlp）：

1. 准备 Cookie（重要）

• 创建 cookies/yt_cookies.txt（YouTube 登录 Cookie）
• 创建 cookies/ac_cookies.txt（AcFun 登录 Cookie）
• 可用浏览器扩展导出 Cookie（例如「Get cookies.txt」）；注意保护隐私，避免提交到仓库。

1. 启动服务

• 安装好 Docker 与 Docker Compose 后，在项目根目录执行：

docker compose up -d

1. 打开 Web 界面

• 浏览器访问：http://localhost:5000
• 首次进入可在「设置」里开启登录保护并设置密码、开启自动模式等。

目录 config/db/downloads/logs/temp/cookies 会被挂载到容器，数据持久化保存。

部署与运行

方案 A：Docker 运行（推荐）

• 使用预构建镜像：docker-compose.yml 已配置好端口与挂载目录
• 关闭/重启/查看日志：
  • 关闭：docker compose down
  • 重启：docker compose restart
  • 日志：docker compose logs -f

方案 B：本地运行（Windows/macOS/Linux）

前置依赖：

• Python 3.11+
• FFmpeg（仓库已附带 Windows/Linux 版本，可直接使用）
• yt-dlp（pip install yt-dlp）

步骤：

# 1) 创建并启用虚拟环境（Windows PowerShell）
py -3.11 -m venv .venv
.\.venv\Scripts\Activate.ps1

# 2) 安装依赖
pip install -r requirements.txt

# 3) 运行
python app.py

访问 http://127.0.0.1:5000 打开 Web 界面。

配置说明

应用首次运行会在 config/config.json 生成配置文件；你也可以手动编辑。常用项：

{
  "AUTO_MODE_ENABLED": true,
  "password_protection_enabled": true,
  "password": "建议自行设置",

  "YOUTUBE_COOKIES_PATH": "cookies/yt_cookies.txt",
  "ACFUN_COOKIES_PATH": "cookies/ac_cookies.txt",

  "OPENAI_API_KEY": "可选：用于标题/描述/标签与字幕翻译",
  "OPENAI_BASE_URL": "https://api.openai.com/v1",
  "OPENAI_MODEL_NAME": "gpt-3.5-turbo",

  "SUBTITLE_TRANSLATION_ENABLED": true,
  "SUBTITLE_TARGET_LANGUAGE": "zh",

  "YOUTUBE_API_KEY": "可选：启用 YouTube 监控",

  "VIDEO_ENCODER": "cpu"  // 也可 nvenc/qsv/amf
}

提示：

• 仅在本机安全环境中保存密钥，切勿把包含密钥的文件提交到仓库。
• 若需要代理下载 YouTube，可在设置里启用代理并填写地址/账号密码。
• 需要硬件编码时，请先在 README 的“硬件转码指南”章节确认驱动/容器挂载是否已就绪，再在设置页选择 VIDEO_ENCODER。

使用指南

1. 在首页或「任务」页，粘贴 YouTube 视频链接添加任务
2. 自动模式下会依次：下载 →（可选）转写/翻译字幕 → 生成标题/描述/标签 → 内容审核 →（可选）人工审核 → 上传到 AcFun
3. 人工审核可在「人工审核」页修改标题/描述/标签与分区，再点击「强制上传」
4. YouTube 监控：在界面中开启并配置 API Key 后，可添加频道/关键词定时监控

目录说明：

• downloads/ 每个任务一个子目录，包含 video.mp4、cover.jpg、metadata.json、字幕等
• logs/ 运行日志与各任务日志（task_xxx.log）
• db/ SQLite 数据库
• cookies/ 存放 cookies.txt（需自行准备）

内置 FFmpeg

• Release 包含 ffmpeg/ 目录，内置 Windows 版 BtbN 构建与 Linux 静态版二进制及配套许可证。
• Docker 镜像与本地构建会根据 FFMPEG_VARIANT（默认 btbn）在线拉取 BtbN/FFmpeg-Builds 的 GPU 友好版本；如需最小体积的纯 CPU 版本，可在构建时附加 --build-arg FFMPEG_VARIANT=static 回退到 johnvansickle 静态包。
• 运行时始终优先使用 ffmpeg/ 目录中的二进制；若需要升级，可直接替换该目录并保留许可证文件。
• 预编译二进制均启用 NVENC / QSV / AMF / VA-API / libx264 等常用编码器（请以 ffmpeg -hide_banner -encoders 输出为准）。GPU 的实际可用性仍取决于宿主机驱动、容器挂载及权限。

嵌字转码参数与硬件加速

仅当在设置中勾选“将字幕嵌入视频”时，本段所述的转码参数才会生效。应用会根据 VIDEO_ENCODER 选择编码器并使用统一参数：

• CPU：libx264，CRF 23，preset=slow，profile=high，level=4.2，yuv420p
• NVIDIA NVENC：hevc_nvenc，preset=p6，cq=25，rc-lookahead=32；若源为 10bit，自动使用 profile=main10 并输出 p010le，否则 profile=main + yuv420p
• 音频：AAC 320kbps，采样率跟随原视频

提示：NVENC/QSV/AMF 的可用性仍取决于系统驱动、容器所挂设备以及硬件型号；不可用时应用会自动回退到 CPU 并在日志中给出提示。

硬件转码指南

应用通过 VIDEO_ENCODER 控制所使用的编码器：cpu / nvenc / qsv / amf。项目内置的 FFmpeg 已包含这些编码器，额外需要做的是：

1. 宿主机或容器必须能访问相应的 GPU 设备。
2. 设备驱动/运行时需已正确安装（NVIDIA 驱动 + Container Toolkit、Intel VAAPI/QSV 驱动、AMD Adrenalin/ROCm 等）。
3. 在设置页选择编码器，或在 config/config.json 写入 "VIDEO_ENCODER": "nvenc" 等配置。

Windows / 裸机 Linux

• Windows 版本直接使用 ffmpeg/ffmpeg.exe。只要显卡驱动支持 NVENC/QSV/AMF，对应选项即可生效。
• Linux 裸机运行（非容器）时，同样使用仓库 ffmpeg/ffmpeg，需要确保用户对 /dev/dri（QSV/VA-API）或 NVIDIA 设备节点有访问权限。
• 自检命令：

# Windows PowerShell
.fmpeg\ffmpeg.exe -hide_banner -encoders ^| Select-String nvenc

# Linux 裸机/WSL
./ffmpeg/ffmpeg -hide_banner -encoders | grep -Ei "nvenc|qsv|amf"

若自检命令未输出对应编码器，请更新显卡驱动或将 ffmpeg/ 替换为拥有目标编码器的版本。

Docker（Linux）

容器镜像在构建阶段已预装支持 NVENC/QSV/AMF 的 FFmpeg；要让硬件编码生效，需要为容器挂载对应 GPU 设备。所有 GPU 配置示例均已写入 docker-compose.yml 与 docker-compose-build.yml，按需取消相应注释即可。

NVIDIA NVENC

1. 宿主机安装官方 NVIDIA 驱动及 NVIDIA Container Toolkit。
2. 编辑 docker-compose.yml（如本地构建同时编辑 docker-compose-build.yml），在 environment 块取消 VIDEO_ENCODER=nvenc 注释，并取消 NVIDIA GPU 栏位（deploy.resources... 与 runtime: nvidia）注释。
3. 重新部署：

docker compose up -d --build

只需一次即可，后续运行 docker compose up -d 会沿用已有容器。

1. 自检确认容器能看到 NVENC：

docker compose exec y2a-auto ffmpeg -hide_banner -encoders | grep -i nvenc

Intel QSV / VA-API

1. 启用 Intel iGPU，并安装 VAAPI/QSV 驱动（例如 intel-media-va-driver-non-free）。
2. 编辑 docker-compose.yml，取消 VIDEO_ENCODER=qsv 与（可选）LIBVA_DRIVER_NAME=iHD 的注释，并取消 Intel 块（/dev/dri 映射、group_add）注释。需要多个用户共享时，可确保宿主机用户属于 video/render 组。
3. 重新部署：

docker compose up -d --build

1. 自检：

docker compose exec y2a-auto ffmpeg -hide_banner -encoders | grep -i qsv

AMD AMF / VAAPI

• AMF 在 Windows 与新版本 amdgpu-pro (24.x+) 上均可使用；Docker 场景需确保宿主机已安装 AMD 官方驱动并可访问 /dev/dri。
• 编辑 docker-compose.yml，取消 VIDEO_ENCODER=amf、LD_LIBRARY_PATH=... 与 AMD 块（挂载 /dev/dri、可选运行库 volumes）注释。
• 重新部署：

docker compose up -d --build

• 自检：

docker compose exec y2a-auto ffmpeg -hide_banner -encoders | grep -i amf

• 若当前驱动不包含 AMF，可退回到 VA-API：自备含 h264_vaapi/hevc_vaapi 的 FFmpeg，运行容器时挂载 /dev/dri，并在 config.json 指向自定义转码脚本。

提示：容器内 ffmpeg -encoders 是判断编码器是否可用的唯一依据；若输出缺失，请检查驱动或替换 ffmpeg/ 内容。应用在检测到硬件编码失败时会写入任务日志，并自动回退到 CPU。

自定义镜像（可选）

如果你希望完全控制 FFmpeg 版本，仍可以参考以下模式自定义镜像（例如从 jrottenberg/ffmpeg 提取 ffmpeg）：

FROM jrottenberg/ffmpeg:6.1-nvidia AS ffmpeg

FROM python:3.11-slim
WORKDIR /app

COPY --from=ffmpeg /usr/local /usr/local
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
CMD ["python", "app.py"]

构建完自定义镜像后，仍需按上文步骤为容器挂载 GPU 设备；或者在默认 Dockerfile 构建时追加 --build-arg FFMPEG_VARIANT=static，即可获得体积更小的纯 CPU 版本镜像。

常见问题

• 403 / 需要登录 / not a bot 等错误
  • 通常是 YouTube 反爬或权限问题。请更新 cookies/yt_cookies.txt（确保包含有效的 youtube.com 登录状态）。
• 找不到 FFmpeg / yt-dlp
  • Docker 用户无需关心；本地运行请确保两者在 PATH 中或通过 pip install yt-dlp 安装，并单独安装 FFmpeg。
• 上传到 AcFun 失败
  • 请更新 cookies/ac_cookies.txt，并在「人工审核」页确认分区、标题与描述合规。
• 字幕翻译速度慢
  • 可在设置中调大并发与批大小（注意 API 限速），或使用硬件编码器加速视频处理。

贡献与反馈

• 欢迎提交 Issue/PR：问题反馈、功能建议都很棒 → Issues
• 提交前请避免包含个人 Cookie、密钥等敏感信息。

致谢

• acfun_upload
• yt-dlp
• FFmpeg
• Flask
• OpenAI

特别感谢 @Aruelius 的 acfun_upload 项目为上传实现提供了重要参考。

许可证与声明

本项目基于 GNU GPL v3 开源。请遵守各平台服务条款，仅在合规前提下用于学习与研究。

---

如果对你有帮助，欢迎 Star 支持 ✨