视频文字智能提取分析大师

解决什么问题

传统的视频转录方案，如 Whisper 或 FFmpeg，本质上是自动化听写工具。它们能将音频转换为文本，却无法区分一句正式的论点、一句随口的口误，或是连续的无意义语气词。得到的往往是一份充满冗余信息的“流水稿”，工程师或内容创作者仍需花费数小时进行人工校对和删减，尤其面对课程录像、长会议这类数小时的视频素材时，后期整理成本极高。

技能如何工作

该技能并非简单的 ASR 套壳，而是集成了千问大模型进行语义理解，核心流程如下：

• 云端视频解析：技能通过云端算力运行，支持传入本地文件路径或抖音、小红书等平台的视频链接（--file 参数）。用户无需关心本地 CPU/GPU 性能瓶颈。
• 智能语义处理：解析后的视频内容会经过大模型处理。它并非逐字翻译，而是会结合上下文，自动过滤无效信息，重组逻辑，最终输出一份结构化的精炼文案。
• 自定义内容生成：核心特性在于通过 --prompt 参数，可以对输出内容进行二次加工。例如，你可以让它“总结视频核心观点”、“改写成小红书风格文案”，甚至“提取所有金句”或进行全文翻译。若无自定义指令，则默认输出完整通顺的转录文案。
• 安全与计费：视频文件在加密空间临时处理，任务结束后自动销毁，不留存或用于训练。计费按视频时长计算，大于1分钟的视频为 0.6 元/分钟，短于1分钟的按10秒为单位计费。

适用边界与注意

• 前置条件：使用此技能需要先申请并配置 GUAIKEI_API_TOKEN 环境变量，否则无法正常运行。
• 批量处理：原生命令不支持一次传入多个视频文件进行批量处理。如果需要处理多个素材，需要自行编写 Shell 脚本循环调用命令。
• 依赖外部服务：这是一个基于云 API 的服务，严重依赖网络连接和上游模型的稳定性。解析失败不计费，但调用前需确保视频链接有效或文件格式正确。