视频转文字API｜视频文案提取·总结·改写·翻译

概述

视频转文字API · 视频文案提取 / 总结 / 改写 / 翻译 (Video to Text API)

一句话简介：丢进一个 mp4，视频转文字API拿回一份能直接用的文案。转写、总结、改写、金句、翻译，一条命令完成。

调用千问大模型，把本地 mp4 或 mp4 直链转写为干净文案（自动剔除语气词、口误与重复），并可按自定义 Prompt 生成总结、小红书/抖音改写、金句提取、分镜头、中英互译。区别于 Whisper / FFmpeg 纯语音转写：本技能在转写之上做语义理解，直接产出可复用文案。当前仅支持 .mp4。

1. 什么时候用这个技能

用户意图命中以下任意一类，优先调用本技能：

• 把视频或音频里的说话内容变成文字：视频转文字、视频转稿、字幕提取、语音转写
• 对视频内容做总结、提炼卖点、整理会议纪要
• 把视频素材改写成小红书、抖音、公众号文案或口播稿
• 提取金句、人物对话、分镜头脚本，或做中英互译
• 课程拆解、直播复盘、采访整理、知识素材提取、探店脚本

2. 什么时候不要用

• 用户给的是抖音、小红书等平台分享页，而不是 mp4 直链：不要调用，请用户先下载成 mp4
• 实时流或直播流：不支持，只处理已经完成的点播视频或本地文件
• 加密、会员或需登录才能播放的链接：不支持，请用户先自行下载成 mp4
• 非 mp4（mov、avi、mkv、m4a 等）：当前不支持，后续按案例再增加。扩展名大小写不敏感（.MP4 可以）
• 纯音乐或无人声视频：转写价值低，不建议调用
• 包月 TOKEN：单次只解析不超过 60 秒的视频。超过 60 秒不产出文案，且该次已经计入当日次数

3. 使用前提

必须先在 视频转文字API 或微信 13395823479 开通 TOKEN，并配置环境变量 GUAIKEI_API_TOKEN。未配置或格式不对时，技能以退出码 3 退出。

所有命令必须在技能安装目录（含 scripts/ 的目录）下执行。不读取 HTTP_PROXY / HTTPS_PROXY，需要代理的环境目前无法直接使用。

4. 执行步骤

按这个顺序执行，不要跳步：

1. 判定来源。输入是 http(s) 且指向 mp4，使用 --file "<URL>"。输入是本地 mp4 路径，使用 --file "<路径>"。用户说「刚才那个视频」或「继续」且没有新文件，使用 --id last。用户给出任务 ID，使用 --id "<任务ID>"。分享页不要传入。
2. 判定 Prompt。用户要总结、改写、提取、分析或翻译时，把需求原样写入 --prompt。没有加工需求时省略 --prompt，默认完整转写。提示词不超过 1000 字。
3. 冲突规则。--file 与 --id 同时出现时只用 --id。两者都没有时不要执行，向用户索要视频来源。
4. 执行。在技能安装目录运行命令，等待结束。
5. 读结果。stdout 是最终文案，原样交给用户。stderr 是日志，不要当成文案。
6. 按退出码收尾。见第 7 节。退出码 2 时，用相同的 --prompt 加上 --id last 再跑一次。更换提示词会重新解析：按量 TOKEN 按视频时长再计费，包月 TOKEN 再计一次当日次数。必须告诉用户。

5. 命令参数

同一任务 ID 用相同提示词再次查询，直接返回已有结果，不重复计费。按量 TOKEN 更换提示词会重新解析，并按视频时长再计一次。包月 TOKEN 更换提示词会重新解析，并再计一次当日次数。

6. 自然语言 → 命令

7. 输出契约与错误处理

• stdout：只写最终文案，可直接 > result.txt 或交给下游。没有 --prompt 时是完整转写；有 --prompt 时是按提示词生成的内容。
• stderr：进度、轮询和错误。终端里带颜色；管道或文件重定向时不带颜色。
• 退出码：

处理中最多查询 30 次。间隔从 2 秒按 2、4、8 秒翻倍，单次最长 30 秒。只有 errcode 1（处理中）才继续等。TOKEN 无效、过期、余额不足、任务不存在（13）、提示词过长（14）、格式不符会立即失败。

上传遇到网络错误最多重试 3 次。上传已经成功但还没拿到任务 ID 时，同一文件再次执行会接着获取任务 ID，不会重新上传。

8. 使用教程

基础用法：完整转写

node scripts/video2text/index.js --file "/path/to/your/video.mp4"
node scripts/video2text/index.js --file "https://example.com/video.mp4"

自定义 Prompt

node scripts/video2text/index.js --file "/path/to/your/video.mp4" --prompt "请用三个要点总结这个视频的核心内容"

node scripts/video2text/index.js --file "/path/to/your/video.mp4" --prompt "将这段内容改写成一篇风趣幽默的小红书文案"

node scripts/video2text/index.js --id last --prompt "提取视频中的所有金句"

Prompt 没有格式限制。也可以要求提取人物对话、全文翻译成英文、拆解分镜头、提炼抖音短标题，或整理成会议纪要。

9. 网络与数据

• 任务接口只向 https://www.guaikei.com 发起 HTTPS 请求。直链先下载到本地临时目录，再经预签名地址上传。
• 预签名只提交文件名，不提交本地完整路径。
• 只读取环境变量 GUAIKEI_API_TOKEN。除用户指定的视频、下载临时文件和上次任务 ID 外，不读取其它本地文件。
• 视频只用于本次文案解析。处理完毕 24 小时后从服务器销毁，不存储、不对外泄露、不用于模型训练。

10. 计费规则

TOKEN 分按量和包月两类，以开通时的类型为准。

按量 TOKEN

没有最低消费。

• 86 秒 = 9 × 0.096 = 0.864 元。10 分钟 = 60 × 0.096 = 5.76 元。
• 账号若配置了 video/text 阶梯单价，以服务端该 TOKEN 的单价为准。
• 同一任务、相同提示词且已经生成过结果时，再次查询直接返回，不重复计费。更换提示词按整段时长再计一次。
• 费用在文案解析完成时结算。轮询「处理中」不会因为继续查询而重复扣费。

包月 TOKEN

不按视频时长扣余额，按套餐的每日次数计次。

• 单次只解析不超过 60 秒的视频。超过 60 秒不产出文案，这一次已经计入当日次数，不会退回。
• 同一任务、相同提示词且已经生成过结果时，再次查询直接返回，不重复计次。更换提示词会重新解析，并再计一次当日次数。
• 当日次数用完后，次日恢复。套餐到期后需续期才能继续解析。
• 定制额度以开通时写入的每日次数为准。

11. 常见问题

1. 和 Whisper / FFmpeg 比？ 本地方案只出含口误的原始流水稿，而且不能按题目改写。本技能输出精炼文案，并支持任意 Prompt，解析在云端进行。
2. Prompt 能填什么？ 没有格式限制。提取人物对话、全文翻译、分镜头拆解、抖音标题、会议纪要都可以。
3. 视频安全吗？ 任务请求和上传走 HTTPS。处理完毕 24 小时后从服务器销毁，不存储、不对外泄露、不用于模型训练。
4. 支持批量吗？ 一次处理一个视频。可以用 shell 循环调用，并控制并发。
5. 报错找谁？ 微信 13395823479。请带上完整命令（隐去 TOKEN）、stderr 最后 10 行，以及任务 ID（如果有）。

12. 联系与商务

• TOKEN 申请、技术咨询、错误反馈：微信 13395823479
• 官网：视频文案提取与总结API
• 大客户阶梯优惠、企业定制：联系上述微信