视频转文

解决的问题

传统的视频转文字工具（如 Whisper、FFmpeg）只做语音转录，输出的原始文本包含杂音、口误、重复和无意义语气词。如果你需要把课程录播、会议录像或采访素材整理成可发布的文案，还得花大量时间手动校对和删减冗余内容。

核心能力

这个技能基于千问大模型的语义理解能力，不是简单的 ASR 转录。它会自动识别语境，过滤口误和重复内容，输出结构化、通顺的文案。

支持通过 --prompt 参数自定义输出内容，你可以：

• 提取视频中的文字（OCR）
• 总结核心观点或提炼卖点
• 改写成小红书、抖音风格的文案
• 提取金句或完整人物对话
• 中英互译
• 分析情感基调和内容痛点

视频来源支持平台链接直连（抖音、小红书等）和本地文件上传，处理在云端完成，不占用本地算力。

适用边界

• 需要先申请 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN 才能使用
• 按视频时长计费：1分钟及以上 0.6 元/分钟，不足 1 分钟 0.1 元/10秒
• 原生命令不支持批量处理，需要自行编写脚本循环调用
• 视频仅用于单次解析，任务完成后自动销毁