阿里百炼视频转文案 Skill

将本地视频文件的语音提取并转换为文字文案。

触发关键词

当用户提到以下关键词时，使用此技能：

• 视频转文案
• 提取视频文案
• 视频语音转文字
• 短视频文案提取
• 视频脚本提取
• 语音转写

功能

• 提取本地视频的音频
• 上传到阿里云 OSS（临时存储）
• 调用阿里百炼 Paraformer-v2 语音识别 API 转写
• 返回文案文本

限制

• 支持格式：mp4, avi, mov, mkv, flv, wmv
• 音频格式：mp3, wav, m4a, pcm
• 最大视频大小：500MB
• 最大视频时长：无限制（服务端处理）
• 转写语言：中文普通话

前置要求

1. 安装 ffmpeg

Windows:

# 使用 winget
winget install ffmpeg

# 或使用 chocolatey
choco install ffmpeg

macOS:

brew install ffmpeg

Linux:

sudo apt install ffmpeg  # Ubuntu/Debian
sudo yum install ffmpeg   # CentOS

2. 配置凭证

需要在环境变量或 .env 文件中配置：

# 阿里云 DashScope API Key（必填）
DASHSCOPE_API_KEY=your-dashscope-api-key

# 阿里云 OSS 配置（必填）
ALIYUN_ACCESS_KEY_ID=your-access-key-id
ALIYUN_ACCESS_KEY_SECRET=your-access-key-secret
ALIYUN_OSS_BUCKET=your-bucket-name
ALIYUN_OSS_ENDPOINT=oss-cn-beijing.aliyuncs.com

使用方式

提取单个视频文案

python3 scripts/video2text.py '{"video": "/path/to/video.mp4"}'

批量提取多个视频文案

python3 scripts/video2text.py '{"videos": ["/path/video1.mp4", "/path/video2.mp4"]}'

指定输出目录

python3 scripts/video2text.py '{"video": "/path/to/video.mp4", "output_dir": "/path/to/output"}'

输出格式

输出为 JSONL（每行一个 JSON），支持流式读取：

单个视频结果行

{"type": "video_result", "index": 0, "video_path": "/path/to/video.mp4", "status": "completed", "text": "视频文案内容...", "duration": 65000}

汇总行

{"type": "summary", "status": "completed", "total": 3, "completed": 2, "failed": 1}

工作流程

1. 校验 ffmpeg 是否可用
2. 使用 ffmpeg 从视频提取音频（转换为 mp3）
3. 上传音频到阿里云 OSS（生成临时 URL）
4. 调用阿里百炼转写 API 创建转写任务
5. 轮询任务状态，获取转写结果
6. 输出文案文本

错误处理

• ffmpeg 不可用：提示安装
• 凭证配置缺失：提示配置
• OSS 上传失败：输出错误信息
• 转写失败：输出错误信息，继续处理下一个文件