Jalankan ringkasan video BibiGPT di API OpenAI-compatible custom.

Jawaban singkat: tiga environment variable.

File environment contoh BibiGPT mendokumentasikan permukaannya secara langsung: OPENAI_COMPATIBLE_BASE_URL mengatur endpoint (default https://api.openai.com/v1), OPENAI_COMPATIBLE_API_KEY memegang key (fallback ke OPENAI_API_KEY saat tidak diset), dan OPENAI_COMPATIBLE_MODEL memilih model default untuk ringkasan. Setel base URL ke https://api.apisrouter.com/v1, taruh key gateway di variabel key, dan pilih id katalog apa pun sebagai model. Base URL divalidasi saat dipakai: harus dimulai dengan http:// atau https://, dan trailing slash dipotong, jadi bentuk /v1 di atas persis benar. Di baliknya, app membangun provider openai-compatible Vercel AI SDK dari nilai-nilai ini dan memanggil chatModel dengan id yang dikonfigurasi, itulah sebabnya model apa pun yang dilayani endpoint berfungsi tanpa perubahan kode.

# Optional: use OpenAI-compatible providers (falls back to OPENAI_API_KEY)
OPENAI_COMPATIBLE_API_KEY=sk-YOUR-APISROUTER-KEY
OPENAI_COMPATIBLE_BASE_URL=https://api.apisrouter.com/v1
OPENAI_COMPATIBLE_MODEL=deepseek-v4-flash

Apa yang dikirim BibiGPT ke endpoint.

BibiGPT (JimmyLv di GitHub, sekitar 6K bintang untuk v1 open-source) adalah AI summarizer audio dan video satu-klik: tempel link Bilibili atau YouTube, podcast, rekaman rapat, atau file lokal, dan ia mengambil transkrip, memampatkannya, dan membiarkan Anda mengobrol dengan kontennya. Ia dimulai sebagai BiliGPT untuk ringkasan Bilibili dan tumbuh menjadi tool dwibahasa dengan penerus yang hosted; konfigurasi environment yang dijelaskan di sini berlaku untuk versi open-source self-hosted. Beban kerjanya berbentuk transkrip: input panjang, output pendek. Satu jam bicara adalah transkrip yang banyak, yang di-chunk app menjadi potongan berukuran model sebelum diringkas, jadi satu video bisa berarti beberapa panggilan chat-completions yang token input-nya jauh melampaui ringkasan yang dihasilkannya. Harga per-input-token karenanya adalah seluruh ekonominya, dan model long-context mengurangi chunking untuk kuliah dan podcast panjang. Konstruksi provider-nya meresolusi nilai dalam cascade yang masuk akal: key per-request (untuk instance yang membiarkan pengguna membawa key sendiri) menang atas OPENAI_COMPATIBLE_API_KEY, yang menang atas OPENAI_API_KEY; hal yang sama berlaku untuk base URL dan model. Bahkan ada variabel OPENAI_COMPATIBLE_KEY_PREFIXES untuk menerima key yang dimasukkan pengguna yang prefiksnya bukan sk-, yang penting saat key yang dipegang pengguna Anda berasal dari gateway alih-alih OpenAI.

Setup lengkap untuk instance self-hosted.

BibiGPT adalah app Next.js, jadi environment-nya berpindah bagaimanapun Anda men-deploy: file .env secara lokal, project environment variable di Vercel, atau container env di Docker. Setel tiga variabelnya, redeploy atau restart, dan ringkasan merutekan lewat gateway. Variabel model adalah default, bukan batas keras. Request membawa config per-video yang field model-nya, jika ada, meng-override OPENAI_COMPATIBLE_MODEL, jadi satu instance bisa default ke id volume sementara flow tertentu meminta yang lebih kuat. Jika Anda menjalankan instance untuk orang lain dan membiarkan mereka menempelkan key mereka sendiri, setel OPENAI_COMPATIBLE_KEY_PREFIXES agar mencakup prefiks key gateway Anda sehingga form-nya menerima mereka.

OPENAI_COMPATIBLE_API_KEY=sk-YOUR-APISROUTER-KEY
OPENAI_COMPATIBLE_BASE_URL=https://api.apisrouter.com/v1
OPENAI_COMPATIBLE_MODEL=deepseek-v4-flash

# accepting user-entered gateway keys in the UI:
OPENAI_COMPATIBLE_KEY_PREFIXES=sk-

Memilih model peringkasan, Timur dan Barat.

Perbandingannya mudah dijalankan secara jujur: video yang sama, dua id model, baca kedua ringkasan terhadap transkrip. Log penggunaan per-key memberi harga tiap kandidat pada konten nyata, dan untuk beban kerja transkrip, perbedaannya langsung terlihat di kolom token-input.

• Konten berbahasa Cina adalah kandang BibiGPT: kuliah Bilibili, klip Douyin, podcast Cina. glm-5.2, deepseek-v4-flash, dan kimi-k2.6 secara native kuat pada transkrip Cina dan duduk di balik endpoint yang sama seperti yang lain.
• Konten Inggris dan campuran (YouTube, podcast global) berjalan baik dengan claude-haiku-4-5-20251001 dan gemini-3.5-flash, keduanya nyaman dengan transkrip panjang yang berisik.
• Pembagian ini adalah argumen praktis Cina-plus-global untuk sebuah gateway: satu endpoint, satu key, dan override model per-video memilih keluarga yang tepat per sumber konten alih-alih memaksa satu vendor untuk keduanya.
• Kuliah panjang memberi imbalan pada context panjang. Chunk yang lebih sedikit berarti panggilan lebih sedikit dan ringkasan yang lebih koheren; uji id long-context terhadap konten Anda yang paling panjang sebelum menstandardisasi.
• Instance volume (tim yang meringkas semua yang mereka tonton) sebaiknya default ke deepseek-v4-flash dan meningkat secara selektif; bentuk yang berat-input membuat harga tier-cepat berlipat ganda.

Bayar sesuai pemakaian · di bawah harga resmi

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Mode kegagalan spesifik BibiGPT.

Rantai fallback bisa mengejutkan Anda. Jika OPENAI_COMPATIBLE_API_KEY kosong, app diam-diam fallback ke OPENAI_API_KEY. Itu nyaman sampai keduanya menunjuk ke layanan berbeda: base URL gateway dengan key OpenAI menghasilkan error autentikasi yang terlihat seperti masalah gateway. Saat routing berubah, setel pasangan berprefiks-compatible bersamaan dan jangan biarkan OPENAI_API_KEY yang basi menunjuk ke tempat lain, atau pastikan ia memegang key gateway yang sama. Validator base URL menolak nilai tanpa skema, jadi host polos gagal cepat dengan error yang jelas; sertakan https:// dan path /v1. Trailing slash dinormalisasi, jadi kedua bentuk berfungsi di sana. Id model adalah string persis terhadap listing /v1/models endpoint; salah ketik di OPENAI_COMPATIBLE_MODEL menggagalkan ringkasan pertama dengan model-not-found. Ingat juga override per-video: jika satu flow terus memakai model lama, ada sesuatu yang meneruskan model eksplisit di config request. Pengambilan transkrip adalah plumbing terpisah. Jika satu video tidak menghasilkan ringkasan karena subtitle atau audio tidak bisa diambil, itu adalah pipeline konten (API platform, ketersediaan subtitle), bukan endpoint LLM. Env var di panduan ini hanya menggerakkan panggilan peringkasan. Dan perhatikan bahwa layanan bibigpt.co yang hosted mengelola modelnya sendiri; variabel-variabel ini mengonfigurasi v1 open-source yang Anda deploy sendiri.

Siapa yang merutekan BibiGPT melalui gateway.

• Penonton dwibahasa yang meringkas Bilibili maupun YouTube, memasangkan id yang kuat-Cina dengan yang global di balik satu key alih-alih satu vendor per bahasa.
• Self-hoster dalam setup yang berdekatan dengan Cina di mana satu endpoint OpenAI-compatible yang juga melayani GLM, DeepSeek, dan Kimi menghapus sepenuhnya masalah billing multi-vendor.
• Tim yang menjalankan summarizer bersama untuk rapat dan kuliah, mengukur penggunaan per key dan default ke id tier-volume.
• Pendengar podcast berat, di mana jam-jam transkrip per minggu membuat harga input-token jadi seluruh cerita biaya.
• Developer tanpa akses ke billing vendor tertentu. Akses berbasis top-up tanpa syarat kartu menghilangkan ketergantungan sign-up per provider.

Verifikasi endpoint dan debug ringkasan pertama.

Daftar model yang bisa dialamatkan key Anda dan konfirmasi id di OPENAI_COMPATIBLE_MODEL ada di antaranya; satu pemeriksaan itu mencegah sebagian besar kegagalan run pertama. Lalu ringkas sesuatu yang pendek. Error autentikasi berarti key yang teresolusi tidak cocok dengan base URL, dan mengingat rantai fallback-nya, cetak dulu variabel mana yang sebenarnya menyediakan key sebelum berasumsi. Model-not-found adalah salah ketik id. Error skema saat startup berarti base URL kehilangan https://. Ringkasan yang tidak pernah dimulai meski endpoint-nya sehat berarti pengambilan transkrip gagal sebelum panggilan LLM mana pun. Setelah ringkasan mengalir, konsol APIsRouter menunjukkan model per request, hitungan token, dan pengeluaran. Peringkasan transkrip adalah beban kerja berat-input yang paling jelas yang ada, dan seminggu data penggunaan memberi tahu Anda biaya nyata per jam konten untuk setiap model, yang merupakan angka yang layak dioptimalkan.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -50

Pertanyaan umum