前言¶
做內容的人手上常堆着一堆沒處理的視頻：短視頻素材、線上課程錄屏、會議錄像、直播回放、人物採訪。要把裏面的語音變成能用的文本，傳統做法是先下載、再本地跑 ASR，最後手工刪掉「嗯」「啊」、口誤和重複臺詞。這一步既慢又容易出錯，而且拿到的往往是逐字稿，離能直接用的文案還差一輪改寫。
下面介紹的 Skill「🎬 視頻成文」就是爲這個流程準備的。它把「下載視頻 → 提取語音 → 識別 → 清洗 → 按風格成稿」這條鏈路交給模型統一處理，輸入一個鏈接或一個本地文件，輸出就是剔除了無效內容、按指定風格生成的文本。
這是什麼¶
「🎬 視頻成文」是一個面向通用 SKILL.md 格式的 Skill，由社區開發者 user_fb71c45d 發佈並維護，座標 @user_fb71c45d/shipin-chengwen，當前版本 1.0.0，分類 design-media，標籤 requires_api_key=true。
它解決的問題很集中：把網絡視頻鏈接或本地視頻文件轉寫爲文本，並在轉寫的同時剔除語氣詞、口誤、重複臺詞等無效內容，再按使用者指定的風格生成成稿。它不是通用的 ASR 工具，而是「轉寫 + 清洗 + 成稿」三件事一起做。
核心功能¶
已覈實的能力只有以下幾項：
- 輸入支持兩種：網絡視頻鏈接，或本地視頻文件。
- 轉寫基於千問大模型，不是本地 ASR 引擎。
- 轉寫過程中自動剔除語氣詞、口誤、重複臺詞等無效內容。
- 支持按指定風格生成文案，也就是說輸出不是固定格式的逐字稿，而是可以指定成稿風格。
需要注意的是，資料裏沒有列出具體支持的視頻格式、時長上限、語言範圍或分辨率要求，也沒有說明剔除無效內容的具體算法。這些在安裝使用前需要向發佈者確認。
安裝與啓用¶
發佈者給出的地址有兩個：
SkillHub 頁面: https://www.skillhub.cn/skills/user_fb71c45d/shipin-chengwen
API 地址: https://api.skillhub.cn/user_fb71c45d/shipin-chengwen
已抓取資料中沒有提供具體的安裝命令、目錄路徑或配置文件字段。標籤 requires_api_key=true 說明它需要 API Key，但資料裏沒有說明 Key 從哪裏申請、在哪個字段填入、以及對應的模型服務由誰提供（「基於千問大模型」暗示需要可用的千問模型訪問權限）。
因此安裝步驟只能按通用 SKILL.md 流程描述：先拿到 Skill 文件，再放到 Agent 的 Skill 目錄，然後補上 API Key 配置。具體命令請以官方頁面爲準，本文不編造。
關於不同 Agent 的差異：資料中沒有區分 Cursor、Codex CLI、Claude Code 的安裝方式，這裏不做說明。
典型用法¶
已抓取資料中沒有給出可復現的官方示例命令或調用參數，因此這一節只描述輸入形式，不寫具體命令。
調用時輸入的是視頻本身，兩種形式：
- 網絡視頻鏈接，例如一個視頻頁面的 URL。
- 本地視頻文件，例如本地磁盤上的一個視頻路徑。
輸出是清洗後的文本，並且可以指定成稿風格。至於風格怎麼傳、是命令行參數還是配置文件字段，資料裏沒有寫，需要查官方頁面。
觸發方式上，Skill 聲明瞭這些觸發詞：視頻轉文字、視頻轉文本、視頻轉寫、提取視頻語音、視頻字幕提取、視頻文案提取、視頻出稿、會議錄音整理、視頻口播轉稿。實際使用時以 Agent 側的觸發詞匹配爲準。
適用場景與注意¶
適合的場景來自官方簡介：短視頻二次創作、企業會議紀要、線上課程拆解、直播復盤、人物採訪整理、知識素材提取、探店腳本撰寫、培訓課件整理。共同點是素材已經是視頻，目標是拿到乾淨文本或可直接使用的文案。
幾個要注意的點：
- 它依賴千問大模型和 API Key，本地沒有模型也能跑，但網絡調用和模型能力直接決定效果。
- 它做的是「清洗 + 成稿」，不是逐字轉錄。如果你需要一字不差的庭審記錄或醫學口供，這類場景不適合用自動剔除功能。
- 口誤和重複臺詞的判定由模型完成，複雜場景下可能誤刪有效內容，重要內容建議人工複覈。
- 視頻中的背景音樂、多人重疊說話、方言口音，資料裏沒有說明處理策略，實際效果需要驗證。
- 版本 1.0.0，發佈者爲社區開發者，項目成熟度需要自行評估。
結語¶
「🎬 視頻成文」的價值在於把視頻到文本的鏈路縮短成一步：給鏈接或文件，拿到剔除無效內容、按風格成稿的文本。它覆蓋的正是短視頻二創、會議紀要、課程拆解、直播復盤這類高頻且重複的內容整理工作。
官方地址：https://www.skillhub.cn/skills/user_fb71c45d/shipin-chengwen
安裝命令、配置字段和完整用法示例，請以官方頁面爲準，本文沒有編造任何未覈實的內容。
