视频文字智能分析

痛点：传统 ASR 的「流水稿」困境

在处理课程录播、长会议或采访视频时，直接使用 Whisper 或 FFmpeg 等传统本地工具进行语音转写，往往只能得到一份充满口误、重复和语气词的原始流水稿。人工校对和删减这些冗余内容极其耗时，且输出格式固定，无法直接满足后续的内容总结、二创改写或多平台分发需求。此外，本地跑大模型或转写工具还会对 CPU/GPU 造成不小的性能压力。

工作方式：语义理解与 Prompt 驱动

视频文字智能分析 技能引入了千问大模型的语义理解能力，将单纯的 ASR 升级为「转写 + 理解 + 创作」的复合流程。

• 智能净化与结构化：自动识别语境，过滤无意义的语气词和口误，直接输出逻辑通顺、精炼的结构化文案。
• Prompt 自定义指令：通过 --prompt 参数，你可以用自然语言下达任意指令，例如提取视频金句、生成小红书爆款文案、提取视频中文字（OCR）、全文中英互译，甚至拆解分镜头脚本。
• 灵活的输入与状态复用：支持直接传入抖音、小红书等平台的视频链接或本地文件路径（--file）。若需基于上次解析的内容进行二次操作，只需使用 --id "last" 即可复用上下文，无需重新上传视频。
• 云端算力与隐私保障：解析任务在云端集群并行执行，不受本地性能限制。视频仅临时存入加密空间，任务完成后自动销毁，不用于模型训练。

适用边界与注意点

虽然该技能大幅降低了视频内容处理的门槛，但在使用时仍需注意以下几点：

• 批量处理需自行编排：原生命令行工具不支持直接批量处理多个视频，若需处理大量素材，建议自行编写 shell 脚本进行循环调用。
• 按量计费机制：服务采用按量付费，无最低消费。视频时长 ≥1分钟按 0.6 元/分钟 结算，<1分钟按 0.1 元/10秒 结算。若视频链接失效或解析超时失败，不会产生扣费。
• 依赖网络环境：由于依赖云端算力和链接解析，处理过程需要保持网络畅通，且平台视频需允许外部抓取。