技能介绍

解决什么问题

课程录播、采访、长会议常常先产出一份 ASR 流水稿：同一话题反复说，口误、语气词和停顿都留在文本里；用 Whisper/FFmpeg 本地跑，通常只能得到原始转写，后续总结、改写、翻译还要人工整理。视频成文想做的是把转写后的语义清理和内容再加工合并到同一次处理里：不止识别说了什么，还把冗余、重复和离题内容滤掉，输出可直接使用的文案。

工作方式

输入可以是本地视频文件路径，也可以是抖音、小红书等平台的视频链接；解析在云端集群完成，长短视频都能跑，本地不承担主要算力。核心命令是 node scripts/video2text/index.js：用 --file 指定视频来源；用 --prompt 写自然语言要求，例如总结核心观点、改写成小红书文案、提取金句、拆解分镜头、全文中英互译；没有自定义 Prompt 时默认完整转录。同一批已解析内容可复用 --id "last" 继续生成，若同时传 --file 和 --id，会优先执行 --id。适合课程学习、采访录播、会议整理，也适合需要把同一素材改成多平台版本的创作者。

边界与注意点

它不是本地离线 ASR：需要先申请 TOKEN 并配置 GUAIKEI_API_TOKEN，视频会上传云端处理。默认不提供批量参数，需要批量时要自己写 shell 循环调用。隐私方面，资料称传输加密、任务完成后销毁源文件、不用于模型训练或分发；对商用 MCN/企业内容部门可作参考，敏感内容仍需自行评估合规边界。计费按视频时长：≥1分钟 0.6元/分钟，<1分钟 0.1元/10秒；86秒示例为0.9元，10分钟示例为6元；链接失效、文件损坏、解析超时不计费。