通义千问视频分析工具 - 免费版

概述

通义千问视频分析免费版是一款面向个人用户的AI视频内容理解工具。通过 Qwen 多模态模型对视频进行智能分析,支持本地视频文件和远程 URL,可自定义分析提示词与抽帧频率,生成视频摘要、场景描述与物体识别结果。

本版本适合短视频创作者、个人视频素材管理者及内容快速概览需求,通过简单的命令行调用即可获得视频内容的AI理解。

核心能力

核心功能执行

用input_params参数进行配置。

输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 按照skill规范执行核心功能执行操作,遵循单一意图原则。 输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 按照skill规范执行参数配置与调用操作,遵循单一意图原则。 输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置。

输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 按照skill规范执行结果处理与输出操作,遵循单一意图原则。 输出: 返回结果处理与输出的执行结果,包含操作状态和输出数据。

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Qwen、模型分析视频内容、支持本地文件与远、可自定义提示词、适合个人创作者、通义千问视频分析、面向个人用户的、视频内容理解工具、多模态模型智能分、析视频内容、支持本地视频文件、与远程、可自定义分析提示、词与抽帧频率、生成视频摘要等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一:短视频内容标签生成

短视频创作者希望为视频自动生成内容标签,便于发布时填写描述。

# 分析本地视频并生成内容标签
python scripts/analyze.py /path/to/video.mp4 \
  --prompt "请为这段视频生成5个内容标签,用逗号分隔"

# 分析远程视频
python scripts/analyze.py https://example.com/video.mp4 \
  --prompt "请为这段视频生成5个内容标签,用逗号分隔"

场景二:视频素材整理

用户有大量视频素材,希望快速了解每个视频的内容便于检索。

# 生成视频内容摘要
python scripts/analyze.py /path/to/clip.mp4 \
  --prompt "请用一段话概括这段视频的主要内容"

# 识别视频中的关键场景
python scripts/analyze.py /path/to/clip.mp4 \
  --prompt "请详细描述视频中的每个场景,按时间顺序列出" \
  --fps 3

场景三:视频内容快速概览

用户收到一个长视频,希望快速了解内容再决定是否观看。

# 低帧率快速概览(节省成本)
python scripts/analyze.py /path/to/long_video.mp4 \
  --fps 1 \
  --prompt "这段视频的主要内容是什么?适合什么人群观看?"

不适用场景

以下场景通义千问视频分析-免费版不适合处理：

• 需要100%确定性的关键决策
• 医疗诊断
• 法律判决

触发条件

需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于非本工具能力范围的需求。

快速开始

第一步:配置 API Key

API Key 从 ~/.skill-platform/skill-platform.json 的 skills.dashscope.apiKey 字段读取。

{
  "skills": {
    "dashscope": {
      "apiKey": "your-dashscope-api-key"
    }
  }
}

第二步:执行分析命令

# 默认分析(使用默认提示词与 FPS=2)
python scripts/analyze.py /path/to/video.mp4

# 自定义提示词与帧率
python scripts/analyze.py /path/to/video.mp4 \
  --prompt "视频中出现了哪些人物和物体?" \
  --fps 5

第三步:查看分析结果

分析结果直接输出到终端,包含模型对视频内容的理解与描述。

示例

基础配置项说明:

# 配置文件路径
~/.skill-platform/skill-platform.json

# 参数说明
| 参数 | 说明 | 默认值 | 必填 |
|:-----|:-----|:-------|:-----|
| video_source | 视频文件路径或远程 URL | - | 是 |
| --fps | 抽帧频率(每秒抽取帧数) | 2 | 否 |
| --prompt | 分析提示词 | "这段视频描绘的是什么景象?" | 否 |

# 常用参数组合
# 详细场景描述(高帧率)
--fps 5 --prompt "请详细描述视频中的每个场景"

# 快速概览(低帧率,节省成本)
--fps 1 --prompt "请概括视频主要内容"

# 物体识别
--fps 3 --prompt "视频中出现了哪些人物和物体?"

# 动作识别
--fps 5 --prompt "请描述视频中人物的动作和行为"

最佳实践

1. 帧率匹配内容:静态场景多用低 FPS(1-2),动态场景用高 FPS(4-5)
2. 提示词具体:明确提问方向,如"识别物体"或"描述场景",避免模糊提问
3. 远程 URL 可访问:远程视频必须是公开可访问的直链,不能需要登录
4. 成本控制:FPS 越高 API 调用成本越高,根据需求调整
5. 本地路径支持:本地视频路径可以是绝对路径或相对路径
6. 长视频分段:超长视频建议分段分析,避免单次处理超时

常见问题

Q1:支持哪些视频格式?

A:支持常见视频格式(mp4、avi、mov、mkv 等),本地文件需可正常播放。

Q2:远程 URL 有什么要求?

A:必须是可公开访问的直链(http/https),不能需要登录或鉴权,不能是网页链接。

Q3:FPS 设置多少合适?

A:静态内容(如PPT录屏)用 1-2 FPS;动态内容(如运动视频)用 4-5 FPS;高精度分析用 5-10 FPS。帧率越高成本越高。

Q4:分析时间多久?

A:取决于视频长度与 FPS。1 分钟视频 FPS=2 约 10-30 秒;长视频可能需几分钟。

已知限制

A:API 调用受 DashScope 配额限制,免费版配额较低。如需高频调用或批量分析,请使用 PRO 版。

Q6:API Key 如何获取?

A:在阿里云 DashScope 平台注册并创建 API Key,写入配置文件 ~/.skill-platform/skill-platform.json。

• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

依赖说明

运行环境

• Agent平台: 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
• 操作系统: Windows / macOS / Linux
• 运行时: Python 3.8+

依赖详情

API Key 配置

• 配置文件: ~/.skill-platform/skill-platform.json
• 字段路径: skills.dashscope.apiKey
• 获取方式: 阿里云 DashScope 平台注册创建
• 存储建议: 配置文件设置合理权限(600),避免泄露

可用性分类

• 分类: MD+EXEC(纯 Markdown 指令,核心功能需要 exec 命令行执行能力)
• 说明: 基于Markdown的AI Skill,通过Python脚本调用Qwen多模态模型分析视频内容

错误处理