视频文本提取大师

解决什么问题

视频转文字这件事，用 Whisper 或 FFmpeg 做本地 ASR，拿到的是一份原始流水稿：口误、重复、"嗯啊"这类语气词全部原样保留。课程、采访、长会议整理完还得人工逐句校对删减，往往要再花 30% 以上工时。更麻烦的是，转写只是把声音变成文字，后续的总结、改写、提炼卖点这些创作动作，仍然要人来完成。

核心能力与工作方式

视频文本提取大师 走的是云端大模型语义理解路线，不是单纯 ASR。

• 语义过滤：识别语境，自动剔除口误、重复和无意义语气词，输出结构通顺的文案。
• 自定义 Prompt：通过 --prompt 传入指令，按需生成内容，例如：

- 视频 OCR，提取画面中的文字
- 总结核心观点、提炼 3 条卖点
- 改写成小红书 / 抖音 / 公众号风格文案
- 提取金句、完整人物对话、分镜头脚本
- 全文中英互译

• 多源输入：支持抖音、小红书等平台链接直连，也支持上传本地文件。
• 云端并行算力：不受本地 CPU/GPU 限制，短视频和数十小时长视频统一处理。

关键步骤：

1. 传入视频链接或本地路径，走 --file 参数
2. 需要二次加工时，把需求写成自然语言放进 --prompt
3. 复用上次解析结果时用 --id "last"，此时 --file 会被忽略
4. 未传 prompt 时，默认完整转录视频全部文字

边界与注意点

• 需先开通 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN，否则无法运行
• 按量计费：≥1 分钟视频 0.6 元/分钟（整分钟结算），<1 分钟按 0.1 元/10 秒
• 链接失效、文件损坏、解析超时失败不产生扣费
• 原生命令不支持批量，需自己在 shell 里循环调用
• 任务结束后服务器销毁原始视频，不留存、不用于训练；有合规要求的团队建议先确认销毁流程
• 适合课程学习、采访录播、长会议整理；纯本地离线或零成本需求不适用