让Kimi帮你看视频，帮你学习，效率爆表！

看视频学习，已经是很多人日常获取信息的标配动作了。但问题也很现实：一个视频动辄二三十分钟，甚至更长，完整刷一遍确实挺费时间的。尤其是那些技术类、干货类的长视频，信息密度高，但节奏也慢，很多时候我们需要的只是核心结论和关键思路，并不需要逐字逐句听完全程。

于是，就萌生了一个想法：能不能用大模型先把视频的核心内容总结出来，再根据总结决定哪些部分值得仔细看？这样一来，效率就能大幅提升。

顺着这个思路，折腾了一番，还真搞出了一个

。下面就把核心流程拆开聊聊，希望能给有同样需求的朋友一点参考。

这里用B站上讲解GPT的一个视频来举例。通过扣子平台里的插件，输入视频的URL，就能直接下载视频文件。这一步本身没什么技术门槛，关键是选对工具。

这一步需要处理的是视频里的字幕信息。整体分两个环节：先从视频中分离出音频，再用ASR（自动语音识别）技术把音频转成文本。扣子平台里确实有对应的插件可以实现这两个功能，但尝试后发现效果不太理想，所以选择自己动手开发了一个插件。代码部分是用大模型生成的，插件开发完成后发布到工作流里，就能正常调用了。

这个视频时长27分钟，而且还是英文版。提取出来的字幕文本大概30KB，属于长文本处理的范畴。说到长文本总结，Kimi确实是个好帮手。它不仅能完成总结和提炼，还能直接生成中文版本的核心要点，省去了翻译的麻烦。

纯文字版的总结虽然信息完整，但读起来还是少了点直观感。可以在此基础上再加一个插件，把Kimi生成的文本内容自动转化成思维导图。这样一来，一个27分钟的视频，经过智能体处理，几分钟就能轻松掌握所有核心要点，学习效率确实提升了不少。

需要说明的是，目前这个智能体只提取了视频的字幕信息进行总结。实际上，还可以更进一步，比如提取视频的关键帧，然后送入视觉大模型，进行更丰富的内容生成或问答。这部分就留给有兴趣的朋友继续探索了。