千问视频文字稿

解决什么问题

传统本地方案（Whisper、FFmpeg）只做纯语音 ASR 转写，输出的是包含口误、重复和无意义语气词的原始流水稿，后续仍需大量人工校对删减。整理长会议、课程录播或采访素材时，这部分冗余往往占到 30% 以上工时。本技能用千问大模型的语义理解替代简单转录：不止听音出字，还会识别语境、过滤废话，直接给出结构化的可用文案。

核心能力与关键步骤

1. 多源输入：直接粘贴抖音、小红书等平台的视频链接，或传入本地文件路径，省去下载和格式转换。
2. 语义转写：云端并行解析，几分钟短视频到数十小时长视频都能处理，不消耗本地 CPU/GPU。
3. --prompt 定制输出：这是与纯 ASR 工具最大的区别，可按需生成视频 OCR、内容总结、小红书/抖音风格改写、金句与分镜头提取、全文中英互译、情感基调与受众分析等。
4. 自然语言转命令：AI 自动判定参数——有链接或路径走 --file；无新视频仅复用上次解析结果用 --id "last"；有总结/改写等需求写入 --prompt；两者同时传入时 --id 优先；无自定义 prompt 时默认完整转录全部文字。

适用边界与注意点

• 计费按量付费：时长 ≥1 分钟按 0.6 元/分钟结算，<1 分钟按 0.1 元/10 秒结算；链接失效、文件损坏、解析超时不产生扣费。
• 原生命令不支持批量，需要自行编写 shell 脚本循环调用。
• 隐私方面：传输全程加密，任务完成后原始视频自动销毁，不留存、不对外分发、不用于模型训练，商用团队可放心接入。
• 强噪声、重度口音等复杂口语场景，输出仍建议人工复核。