视频一键转文字

解决什么问题

Whisper、FFmpeg 这类本地工具把音轨转成文字就停下来了。拿到手的是一份夹着口误、重复和语气词的流水稿，想变成能发布的文案，还得人工逐句校对删减。这个技能把转写和改写合成一步：先做带语义理解的语音转录，再按你给的 Prompt 输出定制内容，省去校对删减的工时。

核心能力与工作方式

• 语义转录，而非纯 ASR：识别语境，过滤口误、重复和无意义语气词，输出逻辑通顺的结构化文案。
• --prompt 自定义输出：传一条指令即可完成视频 OCR 文字提取、内容总结与卖点提炼、小红书/抖音/公众号风格改写、金句与人物对话提取、分镜文案拆解、中英互译、情感基调分析。
• 两种输入：用 --file 直接传入抖音、小红书等平台链接或本地视频路径；用 --id "last" 复用上次解析结果做二次加工，两者同时传时优先 --id。
• 云端算力：解析在云端集群完成，本地没有性能压力，短视频和数十小时长视频都能处理。
• 隐私：视频仅临时存入加密空间，任务完成后原始文件自动销毁，不存储、不训练。

没有传 prompt 时，默认完整转录全部语音。

适用边界

• 需要先申请 TOKEN 并配置 GUAIKEI_API_TOKEN 环境变量才能运行。
• 原生命令不支持批量处理，要自己写 shell 脚本循环调用。
• 按视频时长计费：≥1 分钟 0.6 元/分钟，不足 1 分钟按 10 秒 0.1 元起算。