视频文本智析

解决了什么痛点

在处理长会议、访谈或课程视频时，工程师或创作者通常依赖 Whisper 或 FFmpeg 等工具进行本地语音转写。这类纯 ASR（自动语音识别）方案只能输出原始的流水稿，往往夹杂着大量口误、重复以及无意义的语气词。后续还需要人工花费大量工时去校对、删减冗余内容，甚至重新组织逻辑。

核心工作流与能力

该技能引入千问大模型进行语义理解，不仅完成基础转录，还能自动识别语境，输出逻辑通顺的精炼文案。其核心特色是支持通过 --prompt 参数传入自定义指令，灵活适配多种场景：

• 智能润色与总结：直接过滤无意义杂音，生成结构化会议纪要或提炼核心观点。
• 内容二次创作：根据指令将原始文本改写为小红书、抖音等特定平台的爆款文案。
• 多源输入与云端算力：支持直接粘贴短视频平台链接或上传本地文件。解析过程依托云端集群并行运算，不受本地 CPU/GPU 性能限制，数十小时的长视频也能快速处理。
• 隐私安全保障：任务执行期间视频仅临时存入加密空间，完成后原始文件自动销毁，服务器不留存、不用于模型训练。

适用边界与注意点

• 前置配置：运行脚本前，必须申请 GUAIKEI_API_TOKEN 并配置到环境变量中，否则无法正常调用云端接口。
• 计费模式：采用按量付费机制，按视频时长结算（长视频 0.6 元/分钟，短视频 0.1 元/10秒），解析失败不扣费。
• 批量处理限制：原生命令行未提供内置的批量处理脚本，若需解析大量视频，需自行编写 Shell 循环调用。