视频文案智能分析

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/抖音二创、金句提取或分镜整理，本地工具通常只能给固定格式输出，很难按业务 Prompt 再加工。

技能如何工作

技能通过 node scripts/video2text/index.js 调用云端 video2text-ai（千问语义理解） pipeline：先完成语音转写，再做语境识别与冗余过滤，默认输出结构化、可读的完整文案。

• --file：粘贴抖音、小红书等平台链接，或传入本地视频路径，无需在本机做重格式转换。
• --prompt：在同一解析结果上按需生成 OCR 文字、核心观点总结、平台风格改写、金句/对话/分镜头素材、情感与受众分析，或中英互译等。
• --id "last"：不重复上传视频，基于上一次任务结果继续执行新的 Prompt。

运行前需配置环境变量 GUAIKEI_API_TOKEN（通过微信或官网开通）。计费按视频时长：≥1 分钟 0.6 元/分钟（整分钟）；＜1 分钟 0.1 元/10 秒。链接失效、文件损坏或解析超时失败不计费。

适用边界与注意点

• 与 Whisper/FFmpeg 的差异在于：语义润色 + 任意 Prompt 二次处理，算力在云端，不占用本地 GPU。
• 原生命令不支持批量；多文件需自行用 shell 循环调用。
• 隐私：传输加密，任务结束后源视频从服务器销毁，素材不用于训练；仍属第三方云端处理，敏感素材需按企业合规评估。
• 同时传入 --id 与 --file 时，优先 --id，会忽略 --file。