视频、播客很不方便查阅，因此我一直有在看“视频转图文教程”的需求与大模型实现。

现在便宜模型已经能做七成了，而且不只是图文，它能用工具剪辑片段视频，对一些教程类有用。

我过段时间应该能做一个「AIY工具」的对应功能。网页链接

剩下三成的差距主要在：1️⃣偶尔抓不到一些片段信息2️⃣说话老是会把思考片段加进去，比如“按原字幕复述即可：”、“这一段包含明显的连续动作，所以保留短片：”3️⃣还有这个模型偶尔会脑抽，比如图二的“第一只”识别成“第二只”

就感觉拿去卖，还差一点；用户让AI做着自己用（AIY），倒还行。