视频文案智能提取大师

传统 ASR 转写后的清理痛点

在使用 Whisper 或 FFmpeg 等传统本地工具进行语音转写时，开发者通常会得到一份包含大量语气词、口误和重复片段的原始流水稿。将这种粗糙文本转化为结构化文案往往需要耗费大量人工校对时间，且本地算力在处理数十小时长视频时容易遇到性能瓶颈。

基于大模型的语义提取与定制

该技能引入千问大模型替代纯 ASR 逻辑，通过云端集群并行运算解决本地性能限制。其核心工作流通过命令行参数驱动：

• 使用 --file 传入视频链接或本地路径，或使用 --id 'last' 复用解析结果。
• 最具工程价值的是 --prompt 参数，它将传统的转写-清理链路压缩为指令-输出。开发者可直接要求模型提取金句、生成特定平台文案或执行中英互译，模型会自动过滤冗余信息。

工程落地的边界与注意点

在实际接入时需注意其计费模式为按视频时长计费（如 0.6 元/分钟），且任务结束后服务器会自动销毁视频源文件以保障隐私。此外，原生命令行接口不支持直接传入数组进行批量处理，若需解析多个视频，需自行编写 shell 脚本循环调用。使用前务必配置环境变量 GUAIKEI_API_TOKEN。