视频文案智能提取

解决什么问题

传统语音转写工具（如 Whisper、FFmpeg）仅输出含杂音、口误、重复的原始流水稿，课程学习、会议整理等场景需人工删减冗余内容，消耗超 30% 工时。

技能如何工作

核心是千问大模型语义理解，区别于纯 ASR：

• 自动识别语境，过滤无意义语气词、口误和重复片段，输出结构化通顺文案；
• 支持 --prompt 自定义指令，可提取视频金句、总结核心观点、改写小红书/抖音文案、全文翻译等；
• 多源输入：直接粘贴抖音/小红书视频链接，或上传本地文件，无需下载转换；
• 隐私安全：视频仅临时存入加密空间，任务完成后自动销毁，不存储、不用于训练。

适用边界与注意点

• 原生命令不支持批量处理，需自行编写 shell 脚本循环调用；
• 需先开通 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN 才能运行；
• 支持长短视频全覆盖，依托云端算力，不受本地性能限制。