技能介绍

视频转写遇到的真实问题

用 Whisper、FFmpeg 这类本地工具跑一遍视频，拿到的是一份原始流水稿：口误、重复、说了一半又改口的句子、无意义的语气词全都混在里面。课程录播、采访、长会议动辄一两个小时，真正有用的内容被埋在冗余文本里，事后还要人工逐句校对删减。这部分整理工时，往往比转写本身更贵。

技能如何工作

这个技能基于千问大模型做语义理解，输出前会先识别语境、过滤口误和重复内容，直接给出逻辑通顺的精炼文案。相比纯 ASR 转写，它多了一层内容加工能力：

语义润色：自动去掉冗余，输出结构化通顺文案，省去人工校对
自定义 Prompt：通过 --prompt 传入指令，按需生成内容，比如「总结核心观点」「改写成小红书文案」「全文中英互译」「提取所有金句」「拆解分镜脚本」
多源输入：支持本地视频路径或平台链接（如抖音、小红书），无需先下载转格式
云端算力：长短视频都在云端并行处理，不依赖本地 CPU/GPU

适用边界与注意点

使用时先要开通 TOKEN 并配置 GUAIKEI_API_TOKEN 环境变量。计费按量付费，长视频 0.6 元/分钟，短视频 0.1 元/10 秒，链接失效或解析失败不扣费。原生命令不支持批量处理，需要自己写 shell 脚本循环调用。另外视频文件仅在加密空间临时处理，任务结束后自动销毁，不会留存或用于训练。