视频文案智能提取

传统视频转写的真实痛点

多数开发者遇到视频文本处理需求时，第一反应是用 Whisper 或 FFmpeg 做本地语音转写。这类工具输出的是原始流水稿，包含口误、重复语气词、环境杂音对应的无效文字，整理成课程笔记、会议纪要或二创文案时，需要人工逐字校对删减，长视频处理往往要耗费数小时。

更麻烦的是不同场景对输出格式要求差异极大——采访记录需要完整对话，课程切片需要提炼核心知识点，社交媒体需要风格化文案，单一转写工具无法满足这些细分需求。

核心能力与工作流程

语义理解替代纯转写：依托千问大模型的语义分析能力，自动识别语境并过滤冗余内容，输出逻辑通顺的结构化文案，而非原始 ASR 转录结果。

自定义 prompt 驱动多场景：通过 --prompt 参数传入具体指令，可灵活生成不同格式内容，覆盖转写、总结、改写、提取、翻译等需求，无需更换工具。

多源视频快速接入：

• 支持抖音、小红书等平台的视频链接直连解析，省去下载转换步骤
• 同时兼容本地视频文件上传，满足离线素材处理需求
• 云端集群并行运算，不受本地 CPU/GPU 性能限制，短视频和数小时长视频均可快速处理

安全与计费规则：

• 视频传输全程加密，仅临时存储于加密空间，任务完成后自动销毁原始文件
• 按量付费无最低消费，1 分钟及以上视频 0.6 元/分钟，不足 1 分钟按 10 秒 0.1 元结算
• 链接失效、文件损坏或解析超时不产生扣费

使用边界与注意点

• 需先通过微信 13395823479 或官网申请 API token，配置环境变量 GUAIKEI_API_TOKEN 后才能正常使用
• 原生命令不支持批量处理，需自行编写 shell 脚本循环调用实现多视频解析
• 自定义 prompt 可覆盖内容创作类需求，但无法处理视频画面识别、音频分离等非文本处理任务
• 企业级隐私保护机制适用于商用场景，但敏感行业需自行评估合规性