视频文本智能分析提取大师

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 OCR、金句提取、平台文案改写或会议纪要，通常要在转写结果上再叠一层工具或手工 Prompt。

技能如何工作

本技能通过 node scripts/video2text/index.js 调用 千问 云端能力：在语音转写之外做语义理解，默认输出更通顺的结构化全文。核心参数是 --file（视频 URL 或本地路径）与可选的 --prompt。

• --file：支持抖音、小红书等链接直连，也支持本地上传路径，无需本地 FFmpeg 转码链路。
• --prompt：同一素材可二次加工——视频内 OCR、核心观点总结、小红书/口播二创、金句与分镜文案、情感与受众分析、中英互译等，指令内容由你定义。
• --id "last"：在上次解析结果上继续提问，避免重复上传与重复计费转写。

算力在云端并行处理，长短视频均走同一套接口；运行前需配置环境变量 GUAIKEI_API_TOKEN（通过官网或指定渠道开通）。

适用边界与注意点

• 与本地 Whisper 的差异在于：润色与定制输出依赖云端模型与 Prompt，不是离线、固定格式的纯转写工具。
• 原生命令不支持批量；多文件需自行用 shell 循环调用。
• 计费按视频时长（≥1 分钟按分钟、不足 1 分钟按 10 秒档）；链接失效、损坏或解析失败通常不计费。
• 任务结束后服务端会销毁原始视频，适合对素材留存有要求的商用场景，但仍需自行评估链接平台合规与版权。