video-vision

观看并理解本地视频文件。使用 ffmpeg 提取采样帧，并通过本地 Whisper 生成带时间戳的转录文本，然后基于视觉和音频证据回答用户的问题。每当用户提及视频文件（.mp4、.mov、.mkv、.webm、.avi、.m4v）并希望对其进行观看、总结、分析、描述、搜索、添加字幕、转录、剪辑，或提出诸如“这个视频里发生了什么”、“1分30秒时说了什么”、“找到X出现的部分”、“总结这段录音/讲座/会议/片段”等问题时，即使未明确说出“观看”，也应触发此技能。只要对话中涉及视频路径，即使用户仅暗示需要分析，也应启用该功能。

模型生成摘要（rules/v1 · 2026-11-12 15:52）：观看并理解本地视频文件
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-12 15:51	c8660b6a	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。