视频文本智能分析

它解决什么问题

Whisper、FFmpeg 这类本地方案只输出原始 ASR 流水稿：语气词、口误、重复全在里面，整理成课程笔记、采访稿或会议纪要仍然要人工重写。长视频尤甚——人工初校再加二次创作，冗余删掉的三分之一通常是纯浪费。

这个技能怎么做

核心是一次「语音转写 + 语义理解 + 指令定制」的云端流水线：

• 语义过滤：不只转写，而是识别语境，自动剔除口误、重复与无意义语气词，直接产出通顺文案。
• --prompt 定制输出：同一个视频解析结果，可通过 prompt 分别得到小红书/抖音风格文案、视频金句、完整对话、分镜头脚本、情感分析与中英互译，不用重复跑转写。
• 双入口输入：--file 接收抖音、小红书链接或本地视频路径；--id "last" 复用上一次解析结果做二次加工，避免重复计费。
• 关键词规则：同时传 --file 与 --id 时优先 --id；无 prompt 时默认完整转录。
• 云端算力：几十小时长视频与几秒短视频走同一套并行解析，端侧无性能压力。
• 按量计费：0.1 元/10秒 处理 1 分钟以内短视频；0.6 元/分钟 处理长视频。链接失效或解析超时不扣费。

注意点

• 需先申请 TOKEN 并配置环境变量 GUAIKEI_API_TOKEN，否则无法运行。
• 它是云端 SaaS 而非本地模型：隐私依赖厂商的销毁承诺，商用前建议确认数据处理条款。
• 原生命令不支持批量，多个视频要自行写 shell 循环调用。
• 视频 OCR 文字提取仅对其明确声明的场景生效，复杂画面排版需实测。