一键视频出稿

传统视频转写的两大痛点

很多开发者处理课程、会议或访谈视频时，会先用 Whisper/FFmpeg 做语音转写，但得到的是包含口误、重复语气词的原始流水稿，后续要花大量时间删减校对；若想生成小红书文案、会议纪要等定制内容，还得再手动改写，流程割裂。

核心能力与关键步骤

这个技能用千问大模型的语义理解能力，先完成语音转写，再自动识别语境、过滤冗余内容，输出逻辑通顺的结构化文案。支持两种视频来源：直接粘贴抖音、小红书链接，或上传本地文件，无需下载转换格式。

通过 --file 参数传入视频来源，--prompt 传入自定义指令，就能按需生成内容，比如「总结核心观点」「改写成小红书风格」「提取所有金句」。如果只复用上次解析结果，用 --id "last" 即可，无需重复传文件。云端算力支持短视频到数十小时长视频的处理，不受本地性能限制。

适用边界与注意点

• 原生命令不支持批量处理，需自行编写 shell 脚本循环调用
• 首次使用需开通 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN，否则无法运行
• 视频处理完成后服务器自动销毁源文件，但需确认网络传输过程符合隐私要求
• 无自定义 Prompt 时，默认转录视频全部文字，建议根据需求传入指令优化输出