前言¶
拿到一個口播視頻，想把內容落成文字稿，再改出小紅書、公衆號版本的文案。常見做法是先找字幕文件，沒有字幕就自己聽寫，改完語氣詞還要再通篇刪一遍重複內容，一輪下來比寫原稿還費時間。下面介紹的 Skill 就是把這一步自動化：本地 mp4 或可直鏈下載的 mp4，直接轉成剔除語氣詞和重複的乾淨文本，再按自定義 Prompt 產出總結、改寫、金句等成品文案。
這是什麼¶
視頻文案智能提取（video2text-ai），座標 @user_5971560d/video2text-ai，由社區開發者 user_5971560d 發佈，版本 1.1.0，分類 content-creation。定位一句話：視頻轉文字 + 文案提取 + 二創改寫，轉寫能力由千問大模型提供。
Skill 屬於通用 SKILL.md 格式的 Agent Skill，按需被調用：當用戶提出視頻轉文字、字幕提取、視頻轉稿、視頻總結、會議紀要、課程拆解、直播復盤、採訪整理等需求，或明確要二創產物（口播稿、小紅書文案、抖音文案、公衆號文案、金句、分鏡頭、中英翻譯）時優先使用。
核心功能¶
只寫資料中已明確的能力。
- 視頻轉文字：調用千問大模型做語音轉寫，不是外掛本地 whisper，模型側決定識別質量與語種表現。
- 自動清洗：轉寫結果自動剔除語氣詞、口誤與重複，減少人工二次編輯。
- 自定義 Prompt 生成：在轉寫文本之上，用自定義 Prompt 產出總結、改寫、金句、分鏡頭、中英翻譯等文案，二創路徑由使用者自己定。
- 輸入範圍：本地 mp4，以及可直接下載的 mp4 直鏈，http/https 均支持，含 CDN 地址。
明確不在支持範圍內：抖音/小紅書分享頁、直播流、需要登錄才能訪問的鏈接、非 mp4 格式。這幾種輸入不要指望 Skill 能直接處理，需要先自行拿到 mp4 文件或直鏈。
安裝與啓用¶
關於安裝命令，這裏如實說明：已抓取資料只包含 Skill 的名稱、座標、版本、來源、分類、標籤與簡介，沒有給出 npx、claude skill install 之類的官方安裝命令，也沒有 Cursor / Codex CLI / Claude Code 的分端說明。Skill 頁面標註了 requires_api_key=true，說明調用需要 API Key，但具體配置字段名未在資料中列出。
因此這一步不編造命令。要安裝和啓用，走官方入口確認：
https://www.skillhub.cn/skills/user_5971560d/video2text-ai
https://api.skillhub.cn/user_5971560d/video2text-ai
拿到頁面上寫明的安裝方式和 API Key 配置項後再執行。本次寫作過程中這兩個地址都無法訪問，無法覈對頁面上的安裝說明，請以你能打開時的頁面爲準。
典型用法¶
以下是依據簡介整理的使用流程，具體參數以官方頁面爲準。
- 準備輸入。把本地 mp4 路徑，或可直鏈下載的 mp4 地址（http/https，含 CDN）交給 Skill。先確認鏈接不帶登錄態、不是分享頁跳轉參數。
- 轉寫。Skill 調用千問大模型完成語音轉文字，並自動剔除語氣詞、口誤與重複，直接返回乾淨文本。
- 按需求改寫。用自定義 Prompt 指定產物形式：視頻總結、會議紀要、課程拆解、直播復盤、採訪整理，或二創方向的口播稿、小紅書文案、抖音文案、公衆號文案。
- 取金句或翻譯。單獨要金句提取，或要中英翻譯版本時，同樣通過 Prompt 指定，不必在第一步裏混在一起。
適合的輸入例子：自己錄的口播成片、網課錄播、會議錄像、訪談素材、直播回放 mp4。這些場景的產出都是文字，後續編輯成本低。
適用場景與注意¶
適合誰：需要把視頻內容轉成文字再二次加工的內容創作者、做課程或會議紀要的人、需要多平臺分發文案的運營。核心價值是省掉聽寫和反覆刪語氣詞的時間，把精力放在改寫上。
限制與坑：
- 格式限制嚴格，非 mp4 一律不支持，抖音/小紅書分享頁這類帶平臺參數的鏈接不放行。輸入前先確認拿到的是 mp4 本體或直鏈。
- 直鏈必須可直接下載。帶鑑權、帶跳轉、需要 Cookie 或登錄態的地址會失敗。
- 轉寫質量依賴千問大模型對音視頻的識別表現，口音重、背景音樂大、多人重疊說話的場景，清洗後的文本仍可能需要人工校對。
- 需要 API Key。Skill 標註
requires_api_key=true，未配置時調用會失敗，屬於前置條件而非使用問題。 - 版本與熱度數據：資料中版本爲 1.1.0，來源 community，下載 1165 次。另有線索給出評分 98958、下載 1025 次，與已抓取資料的評分 100000、下載 1165 不一致，本文以已抓取資料爲準，頁面實時數據請以官方地址爲準。
小結¶
video2text-ai 解決的是一條鏈路上的事：從 mp4 到乾淨文字，再到可用的二創文案。它的價值不在識別率本身，而在把語氣詞剔除、重複清理和多形態改寫打包進一次調用，使用者只需準備合法的 mp4 輸入和一段自定義 Prompt。適合口播、網課、會議、訪談這類以語音爲主的素材；平臺分享頁、直播流和非 mp4 格式不適用。
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
