做短剧要把视频洗成带秒数的文字，不用拆音轨、不用抽帧：整段 MP4 直接丢给 Gemini，画面、声音和秒数会一起回来，台词、时间轴、镜头切点都能直接进剪辑流程。
有个细节得注意：它一秒只看一帧，快推镜头容易被报成硬切。切点别全信它，再用 ffmpeg 的镜头切换检测对一遍才稳。
台词拿不准就换一家复核：阿里 Qwen 再听一遍，记得开思考，关了会丢台词。
最后这一步看你自己：核对识别结果，是换个模型再跑一遍，还是直接人工听一遍。两种都行，别跳过核对直接用。
正文完
做短剧要把视频洗成带秒数的文字，不用拆音轨、不用抽帧：整段 MP4 直接丢给 Gemini，画面、声音和秒数会一起回来，台词、时间轴、镜头切点都能直接进剪辑流程。
有个细节得注意：它一秒只看一帧，快推镜头容易被报成硬切。切点别全信它，再用 ffmpeg 的镜头切换检测对一遍才稳。
台词拿不准就换一家复核：阿里 Qwen 再听一遍，记得开思考，关了会丢台词。
最后这一步看你自己：核对识别结果，是换个模型再跑一遍，还是直接人工听一遍。两种都行，别跳过核对直接用。