短视频转文字

痛点：原始转写稿的后期处理成本

传统 ASR 工具（如 Whisper 或 FFmpeg）输出的是包含口水话、口误、重复和环境噪音的原始流水稿。在处理课程录播、长会议或采访素材时，人工校对和删减冗余内容会消耗大量时间。此外，本地算力限制导致长视频解析缓慢，而固定的输出格式无法满足针对不同平台（如小红书、抖音）的二次创作需求。

工作原理与核心能力

该技能基于千问大模型的语义理解能力，不仅进行语音转写，还能自动识别语境，过滤无效语气词，输出逻辑通顺的结构化文案。

• 自定义 Prompt：通过 --prompt 参数，用户可以输入任意指令，例如提取视频金句、翻译成英文、改写为小红书风格文案或整理成结构化会议纪要。
• 多源输入与云端算力：支持直接粘贴抖音、小红书等平台的视频链接，或上传本地文件（通过 --file 参数）。解析在云端集群进行，不受本地硬件性能限制，几分钟的短视频到数十小时的长视频均可处理。
• 任务复用：若需对上次解析的内容进行二次处理，可使用 --id "last" 参数，避免重复解析。

适用边界与注意事项

• 计费模式：采用按量付费，无最低消费。1分钟及以上按 0.6 元/分钟结算，不足1分钟按 0.1 元/10秒结算。链接失效或解析失败不扣费。
• 隐私安全：视频仅在加密空间临时处理，任务结束后自动销毁，不用于模型训练，适合商业用途。
• 环境要求：使用前需配置 GUAIKEI_API_TOKEN 环境变量。原生命令不支持批量处理，若需批量解析需自行编写 shell 脚本循环调用。