视频文案提取

要解决什么问题

课程录播、采访和长会议视频里，纯 ASR（如 Whisper）往往产出带口误、重复和语气词的流水稿，后续还要人工删冗余、理顺逻辑。若还要做小红书改写、金句提取或分镜整理，通常要在转写结果上再跑一轮大模型，链路分散。

技能如何工作

本技能通过 node scripts/video2text/index.js 调用云端 video2text-ai（千问） 管线：上传本地路径或粘贴抖音、小红书等平台链接（--file），由云端完成语音转写并做语义整理，默认输出通顺的全文文案。

自定义 Prompt 是主要扩展点：用 --prompt 可在同一素材上切换任务，例如完整对话提取、核心观点总结、二创口播稿、视频 OCR 文字、中英互译或分镜头拆解。已解析过的任务可用 --id "last" 复用内容，只改 Prompt 做二次处理，无需重复上传。

Agent 侧会把自然语言意图映射为参数：有链接或路径走 --file；仅基于上次结果加工走 --id；总结、改写类需求写入 --prompt；未指定 Prompt 时默认全量转录。

适用边界与注意点

• 计费：按视频时长计费（≥1 分钟按分钟、＜1 分钟按 10 秒档）；链接失效、损坏或解析失败不计费。
• 批量：命令本身不内置批量，需自行用 shell 循环多次调用。
• 隐私：任务结束后源视频从服务端销毁，适合对素材留存敏感的场景；商用需自行确认平台链接解析合规性。
• 对比本地工具：优势在语义润色与 Prompt 二创，而非离线、零成本转码；极短片段或只需原始字幕时，本地 FFmpeg/Whisper 可能更省事。