B站视频全解析

B站视频一站式解析与创作工场。用户直接输入 B 站视频 URL 加一句简单要求即可：视频转文字（字幕/口播/画面内容）、内容分析总结、爆款视频拆解（按带货/流量逻辑拆结构分段、脚本类型、爆款归因、六维评分报告，照着学照着抄）、视频转脚本（镜头/运镜/转场/情绪/时间线/屏幕文字）、爆款脚本生成（原骨架改写成你的脚本，或按方向/目的/商品原创口播脚本，含分段表与六维质检评分）、视频提示词反推（画面和内容转成 agent 可理解的提示词）、视频提取 PPT 内容（关键帧文字+幻灯OCR+完整口播稿）、备考笔记整理（题库/考点/带背视频按题号+标准答案重组）。底层经 Cue Omni Reader

输入一个 B 站视频 URL + 一句需求，产出可直接使用的文字稿、拆解报告、分镜脚本、原创脚本、生成提示词或课件内容。管线：Cue Omni Reader 远程端点（解析）→ 大模型（场景化加工）→ 交付。

隐私与数据传输说明

• 你提供的视频 URL 会发送至 Cue 远程解析端点（mcp.cuecue.cn）抓取并解析，解析结果由大模型加工后交付。
• 默认 no_store=true：源文件与解析结果不落盘、不持久化于服务端。
• 本技能不读取、不收集你的浏览器 Cookie、登录态或任何本地敏感数据；降级方案不含登录态/Cookie 操作。
• Cue API Key 仅用于鉴权，推荐用环境变量 CUE_API_KEY 传入，避免明文写入配置文件。

八大场景总览（意图路由表）

#	场景	用户典型说法	交付物
1	视频转文字	转文字 / 文字稿 / 字幕 / 转录 / 提取文字	口播全文 + 画面文字稿 + 时间线合并稿
2	内容分析总结	总结一下 / 讲了什么 / 分析 / 摘要	主旨 + 结构分段 + 核心要点 + 金句 + 受众分析
3	爆款视频拆解	拆解 / 为什么火 / 对标 / 抄作业 / 照着学	结构分段表 + 脚本类型 + 爆款归因 + 六维评分报告 + 可抄清单
4	视频转脚本	转脚本 / 分镜 / 还原脚本	分镜脚本表（镜头/运镜/转场/情绪/时间线/屏幕文字）+ 口播净稿
5	爆款脚本生成	帮我写脚本 / 改写成我的 / 仿写 / 原创脚本	多条脚本（分段表 + 口播全文 + 六维质检评分）
6	视频提示词反推	反推提示词 / prompt / 提示词	风格提示词 + 分镜提示词序列 + TTS 文案 + 结构化 JSON
7	视频提取 PPT 内容	提取PPT / 课件 / 幻灯 / 逐页内容 / 关键帧截图	逐页（去重）幻灯 + 关键帧截图（去重嵌图）+ 清洗讲解稿 + 课件大纲
8	备考笔记整理	备考笔记 / 题号+标准答案 / 整理成笔记 / 考点笔记	题号+标准答案 备考笔记（含记忆口诀、来源标注）

路由规则：

• 仅在用户同时提供 B 站视频 URL 时激活：表中「总结一下 / 分析 / 帮我写脚本」等说法，只有伴随视频 URL 才触发本技能；无 URL 的普通对话不激活。
• 命中多个意图可组合执行（如「拆解并改写成我的脚本」= 场景3 → 场景5）。
• 只给 URL 无明确要求：默认执行场景 1（精简版）+ 一段内容速览，然后附场景菜单询问是否深入（「需要我进一步做爆款拆解 / 转脚本 / 改写成你的脚本吗？」），不要擅自跑深度场景。
• 多个 URL：逐个解析（每次一个），报告可合并交付。

---

前置依赖（新用户首次使用只需做这一件事）

• Cue API Key：与 cue-omni-reader 技能共用同一把 Key，无需新建。获取：cuecue.cn/hub/api-key（新账号送 500 积分 + 每天 10 免费积分）。推荐用环境变量 CUE_API_KEY 传入（避免明文落盘），或写入本地 ~/.cue/config.json：

  bash

  # 方式一（推荐）：环境变量
  export CUE_API_KEY="sk你的key"
  # 方式二：本地配置文件
  mkdir -p ~/.cue && echo '{"api_key": "sk你的key"}' > ~/.cue/config.json
  

• 远程端点直连（无需本地 Bridge、无需配置 MCP）：B 站 URL 解析只走远程端点 https://mcp.cuecue.cn/api/omni-reader/mcp/（streamable-http），鉴权头 Authorization: Bearer <Cue Key>。不依赖 ~/.mcp.json 注册 MCP，也不装本地 Bridge；本地 Bridge 仅在降级方案中使用。

• 手动调用依赖：curl（Python 参考实现另需 python3，仅标准库）。实际使用时 Agent 自动完成解析，用户只需给一个 B 站 URL + 一句需求。

---

关键技术事实（必读）

1. B 站 URL 必须走 Cue 远程端点：https://mcp.cuecue.cn/api/omni-reader/mcp/（streamable-http）。本地 Bridge 提交 B 站 URL 会立即被拒（REMOTE_REQUEST_REJECTED，retryable:false）——B 站有服务端反爬（直连也是 HTTP 412），本地 Bridge 撞墙即拒；远程端点由 Cue 服务端抓取，可正常解析。
2. 远程端点仅 3 个工具：parse / get_parse_status / cancel_parse，无 read_result。结果在 get_parse_status 返回 completed 时内联携带（result 字段）。
3. detail 只能用 text：grounded/layout 在远程报 UNSUPPORTED_DETAIL。text 模式的结果已含关键帧画面文字（[画面 mm:ss] 标注）+ ASR 口播稿（[说话人N mm:ss] 标注）。
4. 信封解析：tools/call 返回是 MCP 信封 {content:[{type:"text",text:"<JSON字符串>"}]}，必须先取 content[].text 再 json.loads，否则状态字段永远读不到。响应为 SSE 流（data: 前缀行）。
5. 耗时预期：≤30 分钟视频 3-8 分钟解析完成；工作日 9:00-10:00 / 16:00-18:00 高峰期可能排队 5-15 分钟。提交前必须告知用户预计等待时长（如「这段 5 分钟的视频，预计 3-8 分钟出结果，高峰期可能排队」），避免用户误判卡死。

---

标准工作流

步骤 0：URL 预处理

• b23.tv 短链：curl -sI "<短链>" 取 Location 解析出 BV 号（Omni 不认短链）。
• 清理跟踪参数：去掉 spm_id_from / vd_source / share_source 等，规范为 https://www.bilibili.com/video/BVxxxxxxxx/。
• 分P / 合集：URL 带 ?p=N 的按该分P解析；给的是合集/favlist 链接时，先问用户要解析哪个分P。注意：x/web-interface/view 返回的 data.duration 是全部分P时长之和，没带 ?p=N 时默认播 P1——提取前务必用 pages[] 确认目标分P 的真实时长，别把「93 分P 合计 23.7h」误判成「单条 23.7h」而盲目启动全量批量任务。
• 时长预判：≤30 分钟单条视频直接提交；超长/多 P 引导用户按分P解析（单个分P 是短视频，页面 URL 通常能过），不要整条提交。

步骤 1：提交解析（远程端点）

告知用户等待时长后，调用 parse（参考实现见「解析调用手册」）。返回 {"status":"processing","operation_id":"op_..."}，记下 operation_id。

步骤 2：轮询取回

循环调用 get_parse_status（wait_ms: 20000），status=completed 后从 result 字段取出全文。解析结果的三类原料：

• [画面 mm:ss] ... —— 关键帧画面 OCR 文字（屏幕文字、标题卡、幻灯）
• [说话人N mm:ss] ... —— ASR 口播全文
• 其余结构化段落 —— 幻灯/题目卡的结构化 OCR

步骤 3：场景化加工（大模型）

按「场景交付规范」用解析原料生成对应交付物。事实纪律：口播、屏幕文字、时间戳一律以解析结果为准；镜头、运镜、转场、情绪等解析结果中没有的信息，由大模型基于画面文字与叙事推断，必须标注「⚠️ 推断」。禁止编造视频中不存在的内容。

步骤 4：交付

• 输出为 Markdown，存工作区，命名 <BV号>_<场景>.md（如 BV1eR4y1b7MK_爆款拆解.md）。
• 含表格的结果主动问一句：「需要转成 Excel / Word / PPT 吗？」——先确认再生成。
• 长报告先给「一屏速览」（结论先行），再给全文。

---

场景交付规范

场景 1：视频转文字

三件套，按用户需要给全或给精简：

• A. 口播全文：保留 [说话人 mm:ss] 时间戳；另出一份净稿（去时间戳、去语气词，可直接当文案用）。
• B. 画面文字稿：按 [画面 mm:ss] 逐条列出屏幕上出现的文字。
• C. 时间线合并稿（表格）：

时间	口播	屏幕文字

场景 2：内容分析总结

1. 一句话主旨
2. 结构分段：时间轴 → 每段讲了什么（3-6 段）
3. 核心要点：≤10 条，保留关键数字/结论
4. 金句摘录：3-5 句可直接引用的原话（注明时间戳）
5. 目标受众与观看价值
6. 结尾 CTA：视频如何引导关注/行动

场景 3：爆款视频拆解（照着学、照着抄）

1. 基本盘：标题 / 时长 / UP主 / 标签（来自解析结果与用户提供；播放点赞等数据用户提供了才写）。

2. 结构分段表（核心）——按视频实际逻辑二选一或混合：

   • 流量逻辑：冷启动钩子(0-5s) → 悬念留存 → 价值交付 → 情绪高潮 → 互动引导 → 转化钩子
   • 带货逻辑：痛点唤醒 → 需求放大 → 方案引入 → 信任证明（证言/对比/演示）→ 价格锚点 → 逼单 → 售后兜底

   时间轴	段落功能	时长	手法	话术摘录

3. 脚本类型判定：口播干货型 / 剧情演绎型 / 混剪解说型 / 教程演示型 / 测评种草型 / vlog记录型 / 直播切片型……给出判定依据。

4. 爆款归因（两层）：

   • 算法层：完播率设计、互动钩子（评论引导/争议点）、转发触发点
   • 内容层：选题命中、结构节奏、情绪势能、人设信任

5. 六维评分报告：见「六维评分体系」，表格 + 总分 + 评级（S/A/B/C）+ 每维一句依据。

6. 抄作业清单：可复用的骨架模板（占位符化）、钩子公式、话术库、节奏参数（每段时长配比）。

场景 4：视频转脚本

还原为可拍摄的分镜脚本表：

时间线	镜头（景别/机位）⚠️推断	运镜 ⚠️推断	转场 ⚠️推断	画面内容	屏幕文字	口播/台词	情绪	备注

• 时间线、屏幕文字、口播 = Omni 实测；镜头/运镜/转场/情绪 = 大模型推断（表头已标注）。
• 表格之后附口播净稿（去语气词、断句成文）。
• 若用户要拿去翻拍，主动提示结合场景 5 做改写。

场景 5：爆款视频脚本生成

两种模式，先确认用户要哪种：

• 模式 A · 骨架改写：先跑场景 3 拿到原片骨架 → 保留钩子结构与节奏配比，替换主题/商品/人设/话术 → 产出「你的版本」。
• 模式 B · 原创生成：让用户给出 方向 / 目的（涨粉·带货·种草·科普）/ 商品或主题 / 受众 / 目标时长 → 生成 2-3 条差异化脚本（不同钩子角度）。

每条脚本交付：

1. 分段表：段落功能 | 时长预算 | 口播要点 | 屏幕文字建议
2. 口播全文：成稿，带语气与停顿标记
3. 六维质检评分：生成后自检；任一维度 < 7 分必须改写一轮再交付，并附改写说明

场景 6：视频提示词反推

把画面和内容转成 agent / 生成式 AI 可直接使用的提示词：

1. 整体风格提示词（一段式）：主体 / 场景 / 风格 / 构图 / 色调 / 光线 / 画幅。
2. 分镜提示词序列（表格）：镜号 | 时长 | 画面 prompt（主体-动作-镜头-风格四段式） | 运镜 | 适配工具提示（即梦 / 可灵 / Vidu / Runway / Pika）。
3. 口播 TTS 文案：带停顿（/）与重音（**加粗**）标记。
4. 结构化 JSON 版：{"style_prompt": "...", "shots": [...], "narration": "..."}，供 agent 自动化流水线直接调用。

场景 7：视频提取 PPT 内容（逐页课件 + 关键帧截图）

适用于录播课 / 讲座 / 路演 / 培训等含幻灯（PPT/课件）的视频。用户要的不是原始 OCR 流水，而是逐页、去重、带图、可直接复用的课件。

⚠️ 必做纪律：去重 + 清洗 + 滤废帧。否则会产出用户「读不了、图很多重复、内容乱」的废稿（详见下方「坑点」）。这是本技能被反复返工后固化的硬约束。

A. 纯文字逐页课件（用户只要文字时）

1. 一页一行的去重表：同一张幻灯会在多个关键帧里被反复识别，必须按内容合并——页序唯一，每条 = 一张 distinct 幻灯。表格列：页序 | 出现时间戳 [画面 mm:ss] | 页标题 | 要点（幻灯 OCR 结构化）。
2. 标题与要点来源：页标题优先取 [画面] 识别出的标题；要点来自幻灯 OCR。口播稿只用于补全讲解，不直接当成幻灯正文写进要点列。
3. OCR 清洗：合并因抽帧产生的断行/碎块，修正明显错字（保留判断依据，必要时用「⚠️修正」标注）；不臆造幻灯上没有的内容。
4. 无画面文字的页：某页只有讲师口播、画面没写字，标注「（口播整理）」，与含画面的页区分开。
5. 完整口播稿（清洗版）：讲师讲稿按幻灯页序对应分段，修正 ASR 音近错字（actual→Axure、圆型→原型、低保人员型→低保真原型 等），剥离水印文字（如「极客学院 jikexueyuan.com」整行删除）。
6. 课件大纲：层级 Markdown 大纲（章→节→页）。

B. 带关键帧截图的课件（默认，强烈推荐）

Omni 解析产物只有文字 + 时间戳，不含图片文件；且 Omni 抽帧预算只到约 3:40，长视频后段抽不到。要补齐全片截图，必须下载整段视频 → ffmpeg 抽帧 → 去重 → 嵌 md：

1. 解析：调 Omni parse 拿 [画面 mm:ss] + [说话人N]（用于文字与定位）。
2. 下载整段视频：view API 拿 cid → playurl 取免登录直链（B 站对未登录只给 360p / 640×360，文字够用；要高清算需登录 cookie）。整段下载是为突破 Omni 的 3:40 抽帧预算，拿到全片任意时刻帧。
3. 抽帧 + 去重（核心，禁止固定间隔盲抽）：
   • ffmpeg -vf fps=1/2 每 2 秒抽一帧作样本；
   • 逐帧算感知哈希（PIL + imagehash.phash），全局聚类，与所有已保留帧汉明距离 > 16 才算新场景；
   • 人工/读图核对聚类代表帧，丢弃：片头动画、片尾 logo、同一幻灯的「构建中间帧」（空白→1 要点→完整版，只留完整那张）；
   • 按课件顺序重命名为 slide_01..NN.png，存入 keyframes_final/<BV>_<分P>/。
4. 生成带图课件 md（结构）：
   • 顶部：视频元信息 + 数据来源 + 整理方式说明；
   • 第 1 节「课件截图」：N 张图，每张 = 图 + 一句准确图注（基于实际帧内容写，禁止把原始 OCR 整段倒灌）；
   • 第 2 节「讲解要点（清洗稿）」：按主题重写，修正 ASR 错字、剥离水印；
   • 第 3 节「整理过程说明」：抽帧数→去重数→最终数，便于用户理解。
5. 主动询问：「需要我把笔记转成 PPTX / Word / PDF 吗？」

多 P / 长视频特别注意事项：

• data.duration 是全部分P时长之和，未带 ?p=N 默认播 P1。提取前用 pages[] 确认目标分P 真实时长，避免把「93 分P 合计 23.7h」误判成「单条 23.7h」而盲目启动全量批量任务。
• 若页面 URL 报 SOURCE_ACCESS_DENIED（B 站风控，间歇性），走「降级路径」用 MP4 直链；但直链降级的 Omni 抽帧同样只到约 3 分钟，完整截图仍需本管线第 2–3 步下载整段补帧。

坑点（反复踩过，必须避免）：

• ❌ 固定间隔抽帧（每 20 秒 1 张）：塞入大量近似重复帧（人脸/屏幕轻微移动），用户报「图片很多重复」。→ 必须 phash 全局去重。
• ❌ 原样堆砌 ASR/OCR：满屏音近错字、水印反复出现、QQ邮箱 UI 文本 100 行整段倒灌。→ 必须按主题重写为清洗稿。
• ❌ 同一幻灯构建中间帧当多页：空白→1 要点→完整版，挤占版面无增量。→ 只留完整那张。
• ❌ 片头动画/片尾 logo 当课件。→ 丢弃。
• ✅ 正确样板：264 帧 → phash 去重 ~19 张 → 人工筛掉片头/中间帧 → 最终 9 张真课件，9 张内容各不同。

提问示例（用户这样问即可得到整理好的课件）：

• 「解析这个视频，提取里面每一页 PPT 的内容并整理成逐页课件：<B站URL>」
• 「提取这个讲座视频的 PPT，把关键帧截图也放进课件 md，每页去重、文字清洗干净」
• 「用 bilibili-video-studio 把这门 Axure 课的第 3 课转成带图课件笔记」

---

场景 8：备考笔记（题号 + 标准答案）

适用于考试 / 面试 / 考证 / 题库 / 带背类视频（教资、公考、高校辅导员、考研、法考、教招等）。这类视频解析原料通常是「题目卡（画面）+ 讲解（口播）」，用户要的不是原始转录稿，而是可直接背诵的备考笔记。

重组规则：

1. 识别题型结构：从 [画面 mm:ss] 与 [说话人N] 中抽题号、题目原文、星级（★）、记忆口诀。
2. 标准答案优先级：[画面] 题目卡/答案文字 > [说话人N] 口播讲解。画面有标准答案以画面为准；画面没有的题目，用口播讲解整理成答案，并清洗 ASR 误识（口误、同音错字）。
3. 统一为「题号 + 标准答案」结构：每题一个二级标题（保留原序号与星级），下接【标准答案】块；口诀/记忆点单独成行保留。
4. 来源标注：答案来自画面还是口播，必要时用「（画面）」「（口播整理）」轻标记，便于用户核对。
5. 禁止编造：解析结果里没有的题目、答案、数字，不补写；推断内容必须标注。

交付：

• Markdown，命名 <BV号>_备考笔记.md。
• 主动询问：「需要转成 Word / PDF / Anki 背诵卡片吗？」先确认再生成。

提问示例（用户这样问即可得到整理好的笔记）：

• 「解析这个视频，按『题号 + 标准答案』整理成备考笔记：<B站URL>」
• 「用 bilibili-video-studio 把这个高校辅导员带背视频转成可背诵的备考笔记，每题保留答案和口诀」
• 「提取这个教资/公考带背视频里的所有题目和答案，做成题号+标准答案的笔记」

---

六维评分体系（场景 3 与场景 5 共用）

维度	考察点	评分 1-10
钩子力	前 3-5 秒留人能力（悬念/冲突/利益点前置）
节奏密度	信息与画面切换频率，无冗余
情绪势能	情绪唤起与曲线（共鸣/好奇/焦虑/爽感）
价值密度	观众实际获得感（干货/娱乐/情绪价值）
转化引导	CTA 清晰度与行动驱动力（关注/点赞/下单）
可复制性	结构与话术可模板化程度（越高越容易抄）

• 总分 = 六维平均；评级：≥8.5 S / ≥7.5 A / ≥6 B / <6 C。
• 评分必须附依据（引用具体时间戳与话术），不许拍脑袋。

---

解析调用手册

curl 三步

bash

# ① 提交解析（记下返回的 operation_id）
curl -sS -X POST "https://mcp.cuecue.cn/api/omni-reader/mcp/" \
  -H "Authorization: Bearer $(python3 -c "import json;print(json.load(open('$HOME/.cue/config.json'))['api_key'])")" \
  -H "Content-Type: application/json" -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"parse","arguments":{"source":"<B站规范URL>","detail":"text"}}}'

# ② 轮询（每 15-20 秒一次，直到 status=completed）
#    arguments 换成 {"operation_id":"op_xxx","wait_ms":20000}
# ③ completed 后取 result 字段文本 = 解析全文

Python 参考实现（提交→轮询→取结果）

python

import json, subprocess, time, os
KEY = json.load(open(os.path.expanduser("~/.cue/config.json")))["api_key"]
EP  = "https://mcp.cuecue.cn/api/omni-reader/mcp/"

def call(name, args, timeout=70):
    body = json.dumps({"jsonrpc":"2.0","id":1,"method":"tools/call",
                       "params":{"name":name,"arguments":args}}).encode()
    p = subprocess.run(["curl","-sS","--max-time",str(timeout),"-X","POST",EP,
        "-H",f"Authorization: Bearer {KEY}","-H","Content-Type: application/json",
        "-H","Accept: application/json, text/event-stream","--data-binary",body],
        capture_output=True, text=True)
    for line in p.stdout.splitlines():
        line = line.strip()
        if line.startswith("data: "): line = line[6:]
        if line.startswith("{"):
            r = json.loads(line)
            if "result" in r:
                txt = "".join(c.get("text","") for c in r["result"].get("content",[]))
                try: return json.loads(txt)      # 拆信封后再解析
                except Exception: return {"_raw": txt}
            raise RuntimeError(json.dumps(r.get("error","unknown"), ensure_ascii=False))
    raise RuntimeError("无响应")

st = call("parse", {"source": url, "detail": "text"})     # 提交
op  = st.get("operation_id")
while st.get("status") == "processing":                    # 轮询
    time.sleep(min(st.get("poll_after_seconds", 10) or 10, 15))
    st = call("get_parse_status", {"operation_id": op, "wait_ms": 20000})
r = st.get("result")
text = r if isinstance(r, str) else (r or {}).get("text") or st.get("text") or ""

错误处理

错误码	含义	处理
REMOTE_REQUEST_REJECTED	多半是误走了本地 Bridge，或 URL 非规范 BV 链接	确认走远程端点、URL 已预处理
SERVICE_TEMPORARILY_UNAVAILABLE	服务临时不可用（retryable:true）	等 10 秒重新提交同一请求
UNSUPPORTED_DETAIL	传了 grounded/layout	改回 detail:"text"
SOURCE_TOO_LARGE / 超长视频	>30 分钟或超出上限	引导用户按分P/剪辑分段
INSUFFICIENT_CREDITS	积分不足	指引 cuecue.cn/pay 充值或等次日免费额度

---

降级方案（远程端点长时间不可用时）

远程端点不可用时，优先走免登录 MP4 直链降级（见下方「降级路径：SOURCE_ACCESS_DENIED 时」，不涉及任何登录态/Cookie）。若为本地文件，经本地 Bridge（OMNI_ALLOWED_ROOTS 授权目录内）以 detail:"text" 解析，需用户确认。

---

质量与合规

• 拆解 ≠ 搬运：结构、手法可学；逐字洗稿发布有版权与平台风险，商用需获授权。
• 带货脚本红线：功效宣称遵守广告法（禁「最/第一/根治」类绝对化用语），事实性内容提示用户人工核查。
• 推断必标注：分镜的镜头/运镜/情绪等推断信息一律带 ⚠️，与 Omni 实测数据区分。
• 不解析：涉密、明显侵权、违反平台规则的内容。

---

FAQ

Q: 用户直接丢了个 b23.tv 短链？ 先 curl -sI 解析出 BV 号再提交，Omni 不认短链。

Q: 解析结果只有口播没有画面文字？ 该视频可能没有文字版面（纯真人出镜口播）。detail:"text" 已是画面信息最全的模式，layout/grounded 当前不可用，勿再尝试。

Q: 视频超过 30 分钟？ 引导用户：分P链接逐个解析；或剪辑分段后走降级方案本地解析。

Q: 要 B 站官方 CC 字幕文件？ 官方 CC 字幕需平台登录态，本技能不处理；Omni 的 ASR 结果通常已够用。

Q: 积分/额度？ 与 cue-omni-reader 共用：新用户 500 积分 + 每天 10 免费积分，同一视频重复解析会复用结果不重复扣费。

Q: 想要的不是转录稿，而是题号+标准答案的备考笔记？ 用场景 8：直接说「按题号+标准答案整理成备考笔记」并附 URL。解析原料里 [画面] 的题目卡是权威答案，[说话人N] 口播用于补全无画面的题目并清洗误识。

Q: 提取 PPT 时同一页出现好几次？ 因 Omni 按关键帧抽帧，停留较久的幻灯会在多个帧被重复识别。场景 7 已要求按内容去重——一页一行、保留首次出现时间戳，交付的是 distinct 幻灯而非每一帧识别结果。

Q: 场景 7 用户拿到 PPT 笔记后说「读不了、图太多重复、内容乱」？ 必查是否走了正确的去重+清洗管线：① 必须用感知哈希（phash）全局聚类去重，不能用固定间隔抽帧；② 必须按主题重写讲解稿、修正 ASR 音近错字、剥离水印，不能原样堆砌原始 OCR/ASR；③ 必须丢弃片头动画/片尾 logo/同一幻灯的构建中间帧，只留最终完整版。坑点详见解场景 7「必做」章节。

---

降级路径：远程端点报 SOURCE_ACCESS_DENIED 时（2026-09-09 实测）

远程端点对 B 站页面 URL 也可能被 B 站风控拦截（返回 SOURCE_ACCESS_DENIED，retryable:false，直连 B 站页面为 HTTP 412）。该拦截是间歇性的、按视频/时段波动——同一条视频换个时间窗口可能直接通过，并非每条都拦；且只作用于需服务端抓取的页面 URL，直链媒体（音频/视频文件 URL，如 SoundHelix 的 .mp3）不经过 B 站页面反爬，通常不受影响。实测：BV1eR4y1b7MK（辅导员带背）正常通过、未触发此错，仅 BV1Gx41187Bj（Axure 课）触发后走 MP4 直链降级。此时先确认视频本身可访问（api.bilibili.com/x/web-interface/view?bvid=<BV号> 返回 code:0 即公开正常），再走「MP4 直链 → 远程 parse」路径，无需用户登录态：

bash

# ① 取 cid
curl -sS --compressed "https://api.bilibili.com/x/web-interface/view?bvid=BVxxxxxxxx" \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/"
# ② 取免登录 360p MP4 直链（durl[0].url，带 deadline 时效参数，需尽快提交）
curl -sS --compressed "https://api.bilibili.com/x/player/playurl?bvid=BVxxxxxxxx&cid=<cid>&qn=64&platform=html5&high_quality=1" \
  -H "User-Agent: Mozilla/5.0" -H "Referer: https://www.bilibili.com/"
# ③ 把 MP4 直链作为 source 提交远程端点 parse（detail:"text"），流程同标准工作流

注意事项：

• 直链含 deadline 时效参数，获取后立即提交解析，不要存储复用。
• 360p 画质 OCR 可用但抽帧覆盖有限（实测 2:49 视频仅捕获片头题目卡，后段拿不到），完整内容以 ASR 口播为准；若要带全片关键帧截图，仍须场景 7 管线第 2–3 步下载整段补帧。
• 此路径不适用于需要大会员/充电/登录的视频（playurl 拿不到或为试看片段）。
• 视频元信息（标题/UP主/发布时间/时长/播放量）可顺带从第 ① 步 API 获取，充实交付文档的基本盘。
• 多 P 视频的正确解析法：整条超长视频（如 23.7h 系列课）页面 URL 会 PARSE_FAILED（超长），但单个分P 是几分钟短视频，用分P 页面 URL（?p=N） 即可正常通过且覆盖整课——不必依赖整条直链降级。

---

参考

• 解析底座：cue-omni-reader 技能（远程端点调用规范、错误码总表）
• 在线体验：https://cuecue.cn/hub/omni-reader
• API Key 管理：https://cuecue.cn/hub/api-key
• 订阅付费页面：https://cuecue.cn/pay