视频文本智能分析大师

转写稿离能用还差一步

拿到课程录播或会议视频，常见做法是用 ffmpeg 提取音轨、跑 Whisper 转写，但结果往往夹杂口误、重复和「嗯」「那个」这类语气词。要变成课程笔记、二创文案或会议纪要，还得花大量时间人工删改。本地方案受限于 CPU/GPU 算力，数十小时长访谈基本跑不动，输出格式也固定。

处理链路：从视频到定制文案

• 输入：直连抖音、小红书等平台的视频链接，或本地视频文件路径，通过 --file 传入，无需下载转换格式。
• 解析：云端并行提取音频，由千问大模型完成带语义理解的转写——过滤口误、去重、剔除语气词，输出通顺文案。
• 生成：用 --prompt 传入自定义指令，如「总结核心观点」「改写成小红书风格」「提取所有金句」「全文中英互译」，在同一条链路里完成内容二次创作，覆盖总结、改写、翻译、分镜拆解、受众分析等场景。

重复处理时可用 --id "last" 复用上次的解析结果，避免对同一视频重复计费；--file 与 --id 同时传入时，技能优先执行 --id。无自定义 --prompt 时，默认完整转录视频全部文字。

适用边界与注意点

• 按视频时长计费：≥1 分钟 0.6 元/分钟，整分钟结算；<1 分钟按 0.1 元/10 秒，以 10 秒为最小单位。
• 失败不计费：链接失效、文件损坏、解析超时均不产生扣费。
• 隐私：视频仅在加密空间临时处理，任务结束自动销毁，官方声明不用于模型训练；敏感内部会议建议先自行评估合规性。
• 无原生批量：命令行不支持批量处理，需自行写 shell 脚本循环调用。
• 依赖云端模型：必须有可用的大模型服务，离线环境无法使用。