前言¶
拿到一个口播视频，想把内容落成文字稿，再改出小红书、公众号版本的文案。常见做法是先找字幕文件，没有字幕就自己听写，改完语气词还要再通篇删一遍重复内容，一轮下来比写原稿还费时间。下面介绍的 Skill 就是把这一步自动化：本地 mp4 或可直链下载的 mp4，直接转成剔除语气词和重复的干净文本，再按自定义 Prompt 产出总结、改写、金句等成品文案。
这是什么¶
视频文案智能提取（video2text-ai），坐标 @user_5971560d/video2text-ai，由社区开发者 user_5971560d 发布，版本 1.1.0，分类 content-creation。定位一句话：视频转文字 + 文案提取 + 二创改写，转写能力由千问大模型提供。
Skill 属于通用 SKILL.md 格式的 Agent Skill，按需被调用：当用户提出视频转文字、字幕提取、视频转稿、视频总结、会议纪要、课程拆解、直播复盘、采访整理等需求，或明确要二创产物（口播稿、小红书文案、抖音文案、公众号文案、金句、分镜头、中英翻译）时优先使用。
核心功能¶
只写资料中已明确的能力。
- 视频转文字：调用千问大模型做语音转写，不是外挂本地 whisper，模型侧决定识别质量与语种表现。
- 自动清洗：转写结果自动剔除语气词、口误与重复，减少人工二次编辑。
- 自定义 Prompt 生成：在转写文本之上，用自定义 Prompt 产出总结、改写、金句、分镜头、中英翻译等文案，二创路径由使用者自己定。
- 输入范围：本地 mp4，以及可直接下载的 mp4 直链，http/https 均支持，含 CDN 地址。
明确不在支持范围内：抖音/小红书分享页、直播流、需要登录才能访问的链接、非 mp4 格式。这几种输入不要指望 Skill 能直接处理，需要先自行拿到 mp4 文件或直链。
安装与启用¶
关于安装命令，这里如实说明：已抓取资料只包含 Skill 的名称、坐标、版本、来源、分类、标签与简介，没有给出 npx、claude skill install 之类的官方安装命令，也没有 Cursor / Codex CLI / Claude Code 的分端说明。Skill 页面标注了 requires_api_key=true，说明调用需要 API Key，但具体配置字段名未在资料中列出。
因此这一步不编造命令。要安装和启用，走官方入口确认：
https://www.skillhub.cn/skills/user_5971560d/video2text-ai
https://api.skillhub.cn/user_5971560d/video2text-ai
拿到页面上写明的安装方式和 API Key 配置项后再执行。本次写作过程中这两个地址都无法访问，无法核对页面上的安装说明，请以你能打开时的页面为准。
典型用法¶
以下是依据简介整理的使用流程，具体参数以官方页面为准。
- 准备输入。把本地 mp4 路径，或可直链下载的 mp4 地址（http/https，含 CDN）交给 Skill。先确认链接不带登录态、不是分享页跳转参数。
- 转写。Skill 调用千问大模型完成语音转文字，并自动剔除语气词、口误与重复，直接返回干净文本。
- 按需求改写。用自定义 Prompt 指定产物形式：视频总结、会议纪要、课程拆解、直播复盘、采访整理，或二创方向的口播稿、小红书文案、抖音文案、公众号文案。
- 取金句或翻译。单独要金句提取，或要中英翻译版本时，同样通过 Prompt 指定，不必在第一步里混在一起。
适合的输入例子：自己录的口播成片、网课录播、会议录像、访谈素材、直播回放 mp4。这些场景的产出都是文字，后续编辑成本低。
适用场景与注意¶
适合谁：需要把视频内容转成文字再二次加工的内容创作者、做课程或会议纪要的人、需要多平台分发文案的运营。核心价值是省掉听写和反复删语气词的时间，把精力放在改写上。
限制与坑：
- 格式限制严格，非 mp4 一律不支持，抖音/小红书分享页这类带平台参数的链接不放行。输入前先确认拿到的是 mp4 本体或直链。
- 直链必须可直接下载。带鉴权、带跳转、需要 Cookie 或登录态的地址会失败。
- 转写质量依赖千问大模型对音视频的识别表现，口音重、背景音乐大、多人重叠说话的场景，清洗后的文本仍可能需要人工校对。
- 需要 API Key。Skill 标注
requires_api_key=true，未配置时调用会失败，属于前置条件而非使用问题。 - 版本与热度数据：资料中版本为 1.1.0，来源 community，下载 1165 次。另有线索给出评分 98958、下载 1025 次，与已抓取资料的评分 100000、下载 1165 不一致，本文以已抓取资料为准，页面实时数据请以官方地址为准。
小结¶
video2text-ai 解决的是一条链路上的事：从 mp4 到干净文字，再到可用的二创文案。它的价值不在识别率本身，而在把语气词剔除、重复清理和多形态改写打包进一次调用，使用者只需准备合法的 mp4 输入和一段自定义 Prompt。适合口播、网课、会议、访谈这类以语音为主的素材；平台分享页、直播流和非 mp4 格式不适用。
官方地址：https://www.skillhub.cn/skills/user_5971560d/video2text-ai ，接口地址：https://api.skillhub.cn/user_5971560d/video2text-ai
