视频语音提取

解决什么问题

课程录像、采访、会议和短视频常把信息分散在音轨和画面里；原始语音转写也容易留下口误、重复、语气词和流水句，整理成纪要、文案或学习笔记需要大量人工校对。这个技能面向“从视频到可用文本”的工程任务，不只做 ASR，还会结合语义理解判断语境、过滤冗余，输出结构较完整、逻辑更通顺的文案。

核心能力与工作方式

• 输入来源灵活：可直接粘贴抖音、小红书等链接，也可提交本地视频路径；有历史解析记录时可用 --id "last" 复用结果。
• 默认输出：不传自定义指令时，默认完整转录视频全部文字，适合需要原文兜底的场景。
• 语义润色：自动识别语境，过滤口误、重复和无意义语气词，减少流水稿整理成本。
• Prompt 定制：通过 --prompt 指定视频 OCR、内容总结、卖点提炼、小红书/抖音/公众号改写、金句提取、人物对话、分镜文案、情感分析、受众定位或中英翻译。
• 云端处理：依赖云端算力，长短视频都能解析，不占用本地 CPU/GPU。
• 安全约束：传输加密，视频临时进入加密空间；任务结束后源文件销毁，不用于训练或分发。

适用边界

它更适合需要把视频内容转化为结构化文本、二次创作或分析的场景。运行前必须先申请 TOKEN 并配置 GUAIKEI_API_TOKEN。原生命令不支持批量处理，批量任务需要自行用 shell 循环调用。视频链接失效、文件损坏或解析超时失败时不计费。