阿里云百炼视频转文字

解决的问题

短视频、会议录屏或本地视频里的口播内容往往需要整理成文稿，但手动听写、逐句核对成本高，直接丢给视频模型又可能丢失语音细节。这个技能把常见视频文件中的语音转写为可复制的中文文案，适合内容编辑、字幕整理和脚本归档。

工作方式

技能围绕本地视频转写流水线工作：

• 用 ffmpeg 提取并转码为 mp3
• 将音频临时上传到阿里云 OSS，获得可访问 URL
• 调用阿里云百炼 Paraformer-v2 创建转写任务
• 轮询任务状态并解析结果
• 输出 JSONL，每行一个视频结果，便于脚本批量读取

适用边界

当前支持 mp4、avi、mov、mkv、flv、wmv 等视频格式，单个文件上限约 500MB，转写语言为 中文普通话。如果视频没有语音、存在强噪、方言或需要多语言混合识别，结果可能不理想；凭证缺失、OSS 上传失败或 API 调用失败时会按文件输出错误信息。