AI 智能识别
把本地视频里的语音内容转成可复制文本，适合作为后续脚本整理和复盘底稿。
视频文案提取工具
视频文案提取工具
上传本地视频文件，提取逐字稿、分段文本和可继续改写的文案底稿，适合课程录屏、直播回放和成片复盘。
本地视频转写会消耗套餐里的转写分钟；如果当前环境还没准备好 Whisper 模型，系统会先保留原始文件供后续下载和重试。
本地运行环境状态
上传前先看当前机器是否已经准备好本地转写或 OCR 依赖，避免传完才发现 Whisper 或 OCR 还没就绪。
正在读取本地运行环境状态...
运行环境修复工具包下载
下载可直接执行的排查脚本，覆盖 `GET /api/public/runtime-health` 预检、`WHISPER_MODEL` 检查与本地 Whisper 缓存预热，专门处理 `cache-required` 与 cached snapshot folder 缺失这类本地转写问题。
创建任务后，这里会展示解析状态、逐字稿、改写结果和媒体资源。
核心功能特性
核心功能特性
这页按视频上传工具的公开结构组织内容，重点展示本地上传、转写、音频提取和后续文案整理这条完整链路。
全语种支持
只要本地 Whisper 模型就绪，常见多语种视频都可以尝试转写，但稳定性仍取决于音源和模型状态。
多格式支持
前端按 `video/*` 接受上传，常见 MP4、MOV、WEBM 等格式通常更稳。
可附带独立音频文件
当本地 ffmpeg 可用时，上传视频除了逐字稿，还会额外生成一个可直接下载的音频文件，方便复听和后续音频整理。
处理能力
处理能力
这里把真正能交付的处理能力拆清楚，方便先判断素材类型、运行环境和后续整理方式。
快速处理
短视频通常更快完成；长视频则更依赖本地机器性能、音频复杂度和模型准备情况。
安全私密
文件默认保存在当前项目的 `storage/uploads`，并通过任务权限控制下载访问。
简单易用
上传后会自动进入任务队列，结果页直接提供复制、导出、重试和继续改写入口。
核心使用场景
核心使用场景
只要视频文件已经在你手里，这页通常比在线链接提取更适合做长内容转写和内部资料整理。
课程
课程与培训整理
把录播课程、内训和分享会转成逐字稿，再继续整理大纲和重点摘要。
直播
直播回放复盘
从整场直播回放里整理活动话术、常见问题和高频卖点，方便做 SOP 复盘。
复用
成片脚本回收
把已经发布的视频重新转成文字底稿，为二次发布和图文改编做准备。
归档
会议与访谈留档
针对带画面的访谈、会议录像和路演记录做统一转写，方便检索和引用。
免费与使用提示
免费与使用提示
这里保留公开用户最关心的说明，只写当前实现已经落地的上传限制、准确率预期和处理节奏。
Starter 版含免费转写分钟
免费新账号默认带月度本地转写分钟，适合先跑通基础视频文案提取流程。
按转写分钟计量
额度本地视频成功进入转写链路后，会按结果时长计入套餐分钟，而不是按上传次数简单扣减。
本地视频上传上限 300MB
限制服务端会对本地视频执行 300MB 硬限制，更大的源文件建议先分段、压缩或改走公开链接任务。
不承诺固定准确率
复核清晰语音、低噪音和少量重叠发言会明显提高结果质量，正式使用前仍建议人工复核。
模型未就绪时会保留原始文件
降级如果本地还没准备好 Whisper 模型，系统会明确保留原文件并提示后续重试。
长视频建议先分段
建议超长视频虽然也能尝试处理，但分段上传更方便定位错误、复核文本和继续整理。
使用步骤
三步完成视频文案提取
这页按视频上传工具的公开结构组织内容，重点是本地上传、转写和后续文案整理。
01
上传视频
点击或拖拽上传本地视频文件。适合课程录屏、直播回放、会议视频和已经剪好的成片素材。
02
开始提取
系统会按任务方式识别视频时长、抽取音轨并执行本地转写；若当前环境缺少 Whisper 模型，则会保留原始文件并给出明确提示。
03
复制使用
完成后可以复制逐字稿、导出文本，或继续送到文案改写与口播稿改写页，生成更适合发布的版本。
常见问题
常见问题
这里整理的是本地视频上传页最常先被问到的公开问题。
支持哪些视频格式？
前端按 `video/*` 接受本地上传，常见的 MP4、MOV、WEBM、AVI 等格式通常更稳。最终是否可处理，还会受到浏览器 MIME 识别、本地 ffmpeg / 解码环境和文件本身完整性的影响。
视频文件大小有限制吗？
当前开源实现对本地上传视频实行 300MB 硬限制。超过上限时建议先分段、压缩，或改走公开链接任务；即使没有超限，浏览器上传能力、服务器磁盘与内存以及任务耗时也仍会影响稳定性。
结果里会附带独立音频文件吗？
如果当前环境里的 ffmpeg 可用，系统会在处理视频时尽量额外生成一个独立音频文件，并把它和原视频一起挂到任务结果里，方便复听、导出和继续走音频整理流程。若音轨抽取失败，任务会保留原视频并在状态说明里明确提示原因。
视频文案提取需要多长时间？
处理时间主要受视频时长、音频复杂度、本地机器性能和 Whisper 模型是否就绪影响。短视频通常更快，长视频建议分段处理，当前环境若缺少模型则会先退回到“保留原始文件”的安全结果。
提取的文案准确率如何？
我们不承诺固定准确率百分比。语音清晰度、环境噪音、多人重叠讲话、口音和背景音乐都会明显影响结果，正式发布前仍建议人工复核专有名词和关键数字。
支持哪些语言的视频文案提取？
只要本地 faster-whisper / Whisper 模型可用，常见多语种视频都可以尝试转写；但不同语言、混合语言和专业术语场景的稳定性会有差异。
上传的视频文件安全吗？
上传文件默认保存在当前项目的 `storage/uploads`，并通过任务权限控制下载访问。对于自托管部署，仍建议你根据实际场景补充对象存储、清理周期和更细的权限策略。