视频文案智能提取

要解决什么问题

把视频里的口播、访谈、课程讲稿变成能直接复用的文字，常见路径是 Whisper 或 FFmpeg 做 ASR——得到的多是带语气词、口误和重复的「流水稿」，还要人工删冗余。若还要总结、改写成平台文案、抽金句或写分镜，往往要在转写结果上再跑一轮大模型，链路长、格式也不统一。

本技能（video2text-ai）走 云端千问：在转写阶段就做语义理解与冗余剔除，默认 stdout 输出干净全文；需要二次加工时，用 --prompt 把意图写进同一条命令即可。

技能如何工作

• 输入：--file / -F 传公网视频链接（如抖音、小红书）或本地路径；或 --id / -I 复用历史任务（含 last 指上一次），与 --file 二选一，同时传入时以 --id 为准。
• 转写与精炼：服务端解析音视频，产出逻辑通顺的结构化文案，而非纯 ASR 原始稿。
• 风格化输出：省略 --prompt 时输出完整转写；传入任意自然语言指令（总结、小红书/抖音改写、金句、分镜头、翻译、会议纪要等）则按 Prompt 生成定制内容。
• 输出约定：结果在 stdout，便于 > result.txt 或管道；进度与日志在 stderr，不污染主输出。

使用前必须在官网开通 TOKEN，并设置环境变量 GUAIKEI_API_TOKEN；请求仅发往 https://www.guaikei.com，视频源文件解析后由服务端销毁，不上传无关本地文件。

适用边界与注意点

• 不支持实时/直播流转写，只处理已完成的点播或本地文件。
• 加密、会员专属或需登录才能播的链接可能解析失败，建议先下载再用 --file 传本地路径。
• 纯音乐、无人声视频转写价值低。
• 原生命令单次一个视频；批量需自行 shell 循环并控制并发。
• TOKEN 未配置、链接失效、文件损坏、解析超时或任务 ID 不存在会明确失败；长视频会轮询等待，可用 --id last 稍后取结果。计费按服务端实际解析时长，失败任务不计费。