视频文字分析

解决的问题

传统 ASR 工具输出的是未经处理的原始流水稿，口误、重复、语气词全部保留，后续需要人工逐句校对删除。一个 10 分钟会议视频，人工整理可能要花半小时以上。

核心能力

1. 语义理解式转写：基于千问大模型，自动识别上下文、过滤无意义内容，直接输出逻辑通顺的结构化文案，省去大量人工校对工作。
2. Prompt 驱动的输出定制：通过 --prompt 参数自由定义输出形式，覆盖翻译、二创、摘要、提取等多种需求。
3. 云端并行处理：不受本地 CPU/GPU 限制，短视频到数十小时长视频均可处理。
4. 多源输入：支持抖音、小红书链接直连解析，也支持本地视频文件上传。
5. 隐私保障：视频仅用于单次处理，任务完成后服务器自动销毁，不留存、不用于训练。

工作流程

1. 申请 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN
2. 通过 --file 传入视频链接或本地路径
3. 可选通过 --prompt 传入自定义指令
4. 获取结构化输出结果

注意点

• 需提前开通 TOKEN 并配置环境变量，否则无法运行
• 原生命令不支持批量处理，需自行编写脚本循环调用
• 按视频时长计费，链接失效、文件损坏等异常情况不产生费用