视频文字提取大师

传统转写工具的三道坎

用 Whisper 或 FFmpeg 处理课程录播、采访素材时，输出往往是一段原始流水稿：口误、重复、语气词混杂其中，整理成可读文案至少还要花几小时人工删减。更麻烦的是输出格式固定——工具不会帮你总结核心观点，也不会按小红书风格改写文案。「提取金句」「全文中译」这类定制需求，传统方案根本做不到。

千问语义引擎 + Prompt 驱动的解析流程

该技能的底层是千问大模型语义理解，不是简单的 ASR：它识别语境、过滤冗余，直接输出逻辑通顺的结构化文案。

关键步骤：

• 多源输入：直接粘贴抖音、小红书视频链接，或上传本地视频文件，无需下载转换
• --prompt 定制输出：例如 总结这个视频的核心观点、改写成小红书风格的文案、提取视频中的所有金句，覆盖总结、二创改写、OCR、翻译、深度分析等场景
• 自然语言转命令：AI 自动将用户意图映射为 --file（视频源）、--id "last"（复用上次解析结果）等参数；同时传入文件路径与任务 ID 时，优先执行 --id
• 云端并行处理：短视频和数十小时长视频都不受本地 CPU/GPU 限制

接入前提与使用边界

• 使用前需开通 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN
• 计费分两档：时长 ≥1 分钟按 0.6 元/分钟 整分钟结算；不足 1 分钟按 0.1 元/10秒 起算；链接失效、文件损坏、解析超时等失败场景不扣费
• 原生命令不支持批量处理，多视频场景需自行编写 shell 脚本循环调用
• 隐私方面，视频仅临时存入加密空间，任务结束即销毁，不用于模型训练