Agent Skills
返回列表
视频文稿速成

视频文稿速成

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_fb71c45d/shipinwengao-sucheng 技能到当前 AI 助手。

技能介绍

要解决的问题

Whisper、FFmpeg 这类传统语音转写工具只输出原始流水稿：口误、重复、语气词和环境杂音全部留在文本里。整理课程录像、采访录播、长会议录音时，人工校对和删减的工作量往往比转写本身还大。本地方案还受 CPU/GPU 性能限制，处理几十小时的长视频基本不可行。

核心能力与工作方式

视频文稿速成 在语音转写之上叠加了千问大模型的语义理解层，工作流程是：云端拉取视频音轨 → ASR 转写 → 模型识别语境、过滤口误/重复/无意义语气词 → 输出逻辑通顺的结构化文案。解析在云端集群并行完成，短视频和数十小时长视频都能处理，本地无性能压力。

输入方式灵活：可以直接粘贴抖音、小红书等平台的视频链接，也可以上传本地文件。命令行用 --file 指定来源，可选 --prompt 传入自定义指令：

  • 内容提取：视频 OCR 文字识别、提取金句、完整人物对话、分镜头脚本
  • 总结分析：提炼核心观点、3 条核心卖点、情感基调、受众定位
  • 二次创作：改写成小红书/抖音/公众号风格文案、风趣口播稿
  • 翻译：全文中英互译
  • 复用：不传 --file 时用 --id "last" 复用上次解析结果，避免重复解析

无自定义 prompt 时默认输出完整转录。工具支持自然语言指令，模型会自动把「总结这个视频的核心观点」这类请求翻译成对应的 --file / --prompt 组合，视频链接或本地路径存在时优先使用 --file。

隐私与计费

视频传输全程加密，仅临时存入加密空间用于解析，任务完成后源文件自动销毁，服务器不留存，也不用于模型训练。计费按量付费：时长 ≥1 分钟按 0.6 元/分钟 整分钟结算，不足 1 分钟按 0.1 元/10秒 计费；链接失效、文件损坏、解析超时失败不产生扣费。

适用边界

  • 需要先申请 TOKEN 并配置 GUAIKEI_API_TOKEN 环境变量才能正常调用
  • 原生命令不支持批量处理，需要自行编写 shell 脚本循环调用
  • 输出质量依赖千问模型对语境的理解，极端口音或术语密集的素材建议人工复核
  • 依赖云端服务，没有离线模式

使用场景

  • 课程学习时把数小时网课录像转成去除口误的完整文字稿，便于直接阅读和检索。
  • 采访录播后提取全部人物对话，整理成可直接引用的结构化访谈记录。
  • 运营拿到产品讲解视频链接，一键提炼3条核心卖点，无需下载素材。
  • 内容创作者把本地讲座视频改写成小红书风格的种草文案，保持口语化表达。

适合人员

  • 经常整理课程录像和培训视频，需要可直接阅读的干净文字稿的学习者和培训师。
  • 需要把采访录音变成引用材料，或从视频里拆出金句和完整对话的编辑和记者。
  • 要给抖音、小红书、公众号等渠道批量改写口播内容，输出平台风格文案的新媒体运营。
  • 需要处理数十小时会议录像并自动生成纪要，又担心素材外泄的合规敏感岗位。