核心用法
audio-summary 是一款面向本地音视频文件的自动化转录总结工具，主要解决"视频太长懒得看"的场景痛点。用户通过命令行传入视频路径后，脚本自动调用 ffmpeg 提取 16kHz 单声道音频并压缩至 48k 码率，随后通过 Base64 编码将音频流发送至百炼平台的 qwen3-asr-flash 模型，完成语音识别与内容分段总结的双阶段处理。输出结果以 视频名_summary.txt 形式保存在原文件同级目录，便于后续检索或二次编辑。
显著优点
1. 端到端自动化：无需手动导出音频、切换多个工具，单条命令完成提取→转录→总结全流程。
2. 模型性能可靠：基于阿里百炼 Qwen3-ASR-Flash，在中文语音识别场景具备较好的准确率和上下文理解能力，且支持总结生成。
3. 本地隐私优先：视频文件不上传至云端存储，仅音频流通过 API 传输，降低敏感内容泄露风险。
4. 大文件友好：通过 48k 压缩策略，单次可处理 5-8 分钟视频，满足播客、会议录屏、短视频等常见场景。
潜在缺点与局限性
1. 时长硬限制：Base64 转录单请求上限 6MB，超过 10 分钟的长视频需手动切分或进一步降码率，无法原生支持长音视频。
2. 外部依赖重：强依赖 ffmpeg 系统安装与百炼 API 密钥配置，跨平台部署（如 macOS/Linux）需额外适配。
3. 成本不可控：按模型实际调用时长计费，高频使用或误操作大文件可能导致意外账单。
4. 无交互式编辑：输出为纯文本文件，不支持在线校对、时间轴对齐或发言人区分，后期整理成本较高。
5. 硬编码密钥风险：报告中提及 API KEY 以 sk-76735... 形式硬编码于脚本，存在泄露隐患。
适合人群
- 需要快速抓取短视频、会议录屏、播客片段核心信息的效率型用户
- 已有 ffmpeg 环境、熟悉命令行操作的开发者或技术工作者
- 对数据隐私敏感、倾向本地处理+云端仅走 API 的保守型用户
常规风险
- 密钥泄露：硬编码 API Key 若随代码仓库分享，可能导致百炼账号被盗用或产生异常费用。
- 误传大文件：未注意 6MB 限制时直接提交长视频，可能触发 API 报错或高额计费。
- 输出覆盖：同名文件重复运行将直接覆盖历史总结，无版本控制机制。
- 网络依赖：转录阶段必须保持百炼 API 可用，离线环境无法使用。