前言¶
做内容的人手上常堆着一堆没处理的视频：短视频素材、线上课程录屏、会议录像、直播回放、人物采访。要把里面的语音变成能用的文本，传统做法是先下载、再本地跑 ASR，最后手工删掉「嗯」「啊」、口误和重复台词。这一步既慢又容易出错，而且拿到的往往是逐字稿，离能直接用的文案还差一轮改写。
下面介绍的 Skill「🎬 视频成文」就是为这个流程准备的。它把「下载视频 → 提取语音 → 识别 → 清洗 → 按风格成稿」这条链路交给模型统一处理，输入一个链接或一个本地文件，输出就是剔除了无效内容、按指定风格生成的文本。
这是什么¶
「🎬 视频成文」是一个面向通用 SKILL.md 格式的 Skill，由社区开发者 user_fb71c45d 发布并维护，坐标 @user_fb71c45d/shipin-chengwen，当前版本 1.0.0，分类 design-media，标签 requires_api_key=true。
它解决的问题很集中：把网络视频链接或本地视频文件转写为文本，并在转写的同时剔除语气词、口误、重复台词等无效内容，再按使用者指定的风格生成成稿。它不是通用的 ASR 工具，而是「转写 + 清洗 + 成稿」三件事一起做。
核心功能¶
已核实的能力只有以下几项：
- 输入支持两种：网络视频链接，或本地视频文件。
- 转写基于千问大模型，不是本地 ASR 引擎。
- 转写过程中自动剔除语气词、口误、重复台词等无效内容。
- 支持按指定风格生成文案，也就是说输出不是固定格式的逐字稿，而是可以指定成稿风格。
需要注意的是，资料里没有列出具体支持的视频格式、时长上限、语言范围或分辨率要求，也没有说明剔除无效内容的具体算法。这些在安装使用前需要向发布者确认。
安装与启用¶
发布者给出的地址有两个：
SkillHub 页面: https://www.skillhub.cn/skills/user_fb71c45d/shipin-chengwen
API 地址: https://api.skillhub.cn/user_fb71c45d/shipin-chengwen
已抓取资料中没有提供具体的安装命令、目录路径或配置文件字段。标签 requires_api_key=true 说明它需要 API Key，但资料里没有说明 Key 从哪里申请、在哪个字段填入、以及对应的模型服务由谁提供（「基于千问大模型」暗示需要可用的千问模型访问权限）。
因此安装步骤只能按通用 SKILL.md 流程描述：先拿到 Skill 文件，再放到 Agent 的 Skill 目录，然后补上 API Key 配置。具体命令请以官方页面为准，本文不编造。
关于不同 Agent 的差异：资料中没有区分 Cursor、Codex CLI、Claude Code 的安装方式，这里不做说明。
典型用法¶
已抓取资料中没有给出可复现的官方示例命令或调用参数，因此这一节只描述输入形式，不写具体命令。
调用时输入的是视频本身，两种形式：
- 网络视频链接，例如一个视频页面的 URL。
- 本地视频文件，例如本地磁盘上的一个视频路径。
输出是清洗后的文本，并且可以指定成稿风格。至于风格怎么传、是命令行参数还是配置文件字段，资料里没有写，需要查官方页面。
触发方式上，Skill 声明了这些触发词：视频转文字、视频转文本、视频转写、提取视频语音、视频字幕提取、视频文案提取、视频出稿、会议录音整理、视频口播转稿。实际使用时以 Agent 侧的触发词匹配为准。
适用场景与注意¶
适合的场景来自官方简介：短视频二次创作、企业会议纪要、线上课程拆解、直播复盘、人物采访整理、知识素材提取、探店脚本撰写、培训课件整理。共同点是素材已经是视频，目标是拿到干净文本或可直接使用的文案。
几个要注意的点：
- 它依赖千问大模型和 API Key，本地没有模型也能跑，但网络调用和模型能力直接决定效果。
- 它做的是「清洗 + 成稿」，不是逐字转录。如果你需要一字不差的庭审记录或医学口供，这类场景不适合用自动剔除功能。
- 口误和重复台词的判定由模型完成，复杂场景下可能误删有效内容，重要内容建议人工复核。
- 视频中的背景音乐、多人重叠说话、方言口音，资料里没有说明处理策略，实际效果需要验证。
- 版本 1.0.0，发布者为社区开发者，项目成熟度需要自行评估。
结语¶
「🎬 视频成文」的价值在于把视频到文本的链路缩短成一步：给链接或文件，拿到剔除无效内容、按风格成稿的文本。它覆盖的正是短视频二创、会议纪要、课程拆解、直播复盘这类高频且重复的内容整理工作。
官方地址：https://www.skillhub.cn/skills/user_fb71c45d/shipin-chengwen
安装命令、配置字段和完整用法示例，请以官方页面为准，本文没有编造任何未核实的内容。
