我要投稿
微信搜一搜，关注“渡码”
最近学习AI的时候，经常要看一些视频资料。但有些视频内容比较长，完整看下来比较花时间。
所以，就想着用大模型对视频内容先做一次总结，然后再有选择性地去看。
一不小心，就开发了一个视频总结智能体。
下面就给朋友们分享一下核心科技，啊哈哈。
第一步，获取视频
这里用小破站上讲解 GPT 的视频为例
用扣子中的插件，输出视频url就可以下载视频
第二步，提取视频内容
这里只提取了视频字幕。分两小步，先分离视频中的音频，再调用ASR语音识别技术，将音频转成文本。
这两步虽然在扣子中都有对应的插件，但我试了下没成功。就自己动手开发了一个插件。
代码是用大模型生成的。将插件发布后，就可以在工作流中使用了
第三步，总结视频内容
这个视频有27分钟，并且是英文版，提取的字幕大小30kb。长文本内容总结，当然用 Kimi。
Kimi可以帮我们总结、提炼，生成中文版的核心要点。
纯文字版内容读起来还是差点意思，我们可以继续添加插件，将 Kimi 生成的内容做成思维导图。
这样，一个27分钟的视频，经过智能体总结，分分钟掌握其中的核心要点。学习效率嗖嗖的。
这个智能体我们只能提取了字幕进行总结，其实还可以提取视频关键帧，送入视觉大模型，进行内容生成或者问答。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-06-14
挑战 Transformer 架构的谷歌最新扩散模型 Gemini Diffusion 系统提示词
2025-06-14
“AI原生”时代：企业数智化转型的分水岭
2025-06-14
多模态RAG的三类图文问答实现方式，你知道多少种？
2025-06-14
新一代文本表征Qwen3-Embedding与排序模型Qwen3-Reranker 部署和替换
2025-06-14
“华强北”围攻AI耳机，未来智能如何突围？
2025-06-14
AI时代如何为企业和个人赋能
2025-06-14
没吃透 Function Calling？难怪你不理解 AI Agent 为何非来不可！
2025-06-14
浅尝一下微软的AutoGen框架
2025-05-29
2025-03-20
2025-03-21
2025-04-11
2025-03-20
2025-03-19
2025-03-20
2025-03-19
2025-03-19
2025-03-19
2025-06-14
2025-06-14
2025-06-14
2025-06-14
2025-06-13
2025-06-13
2025-06-13
2025-06-13
回到顶部
粤ICP备17114055号