kimi可自动处理音视频并结构化输出重点结论与待办事项：需通过“视频解析”入口上传合规mp4/mov文件（≤1.2gb、720p+、≥16khz），转写后手动设置详述模式或输入指定四栏指令，再经完整性、准确性校验，最终导出带时间戳的markdown文件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把一段长视频里的讲话内容完整转成文字，再从中提炼出重点结论和待办事项，而不是靠自己逐帧听写或跳着看——Kimi能直接处理上传的音视频文件，自动完成语音识别与语义压缩，但必须选对入口、传对格式、下对指令。
上传视频触发语音转文字
打开Kimi网页端（kimi.moonshot.cn）或最新版App，点击首页中央“视频解析”按钮，不要点“+上传文件”或“语音输入”，这两个入口不启用关键帧+ASR联合分析引擎。
将本地MP4或MOV文件拖入上传区，【文件大小不能超过1.2GB，且必须是720p以上分辨率、音频采样率≥16kHz】；若为B站等平台下载的加密视频，需先用VLC转码为无DRM的MP4再上传，否则转写会中断在第3分42秒并静默失败。
上传完成后，页面显示“正在处理：语音识别中→文本分段→重点提炼”，整个过程耗时约为视频时长的1.8倍，1小时视频约需108分钟，期间不可关闭页面或切换标签页。
强制启用结构化摘要输出
处理完毕后，右侧摘要面板默认只显示极简版时间轴概览，必须手动干预才能调出完整文字稿与可执行信息。
方法一：点击摘要页右上角“更多设置”，在弹出菜单中选择“输出模式→详述”，再勾选“显示完整转录文本”“标注说话人角色”“保留原始停顿标记”三项。
使用 Moonshot Kimi API 的 $web_search 内置工具进行联网搜索。当需要进行网络搜索获取实时信息时使用，支持中文和英文搜索查询。需要配置 MOONSHOT_API_KEY。
方法二：在摘要界面底部对话框中，直接输入指令：“请基于上述完整转录文本，严格按以下四栏输出：【核心结论】（每条≤20字）、【待办行动项】（含负责人/截止日/交付物三要素）、【争议点】（仅列未达成共识的议题）、【依据出处】（标注发言者+时间戳，如[李总监, 00:42:15]）。”
这一步操作起来很简单，直接把指令粘贴进去发送就行，但若漏掉“严格按以下四栏输出”这个前提，Kimi会退回自由发挥模式，生成带解释性段落的散文式摘要，无法直接导入Notion或飞书多维表格。
校验与导出转写结果
第一步：核对转写完整性。滚动查看左侧时间轴锚点，确认是否覆盖视频起始与结尾——若首尾各缺15秒以上，说明音频开头/结尾存在静音段被自动裁剪，需重新上传并勾选“保留静音区间”选项。
第二步：验证关键信息准确性。在摘要页顶部搜索框输入“责任人”“截止”“必须”等强动作动词，Kimi会高亮所有匹配句段并定位到原始时间戳，点击任意一处即可跳转播放验证上下文。
第三步：导出结构化内容。点击右上角“导出”按钮→选择“Markdown格式”→勾选“嵌入可点击时间戳”→点击“下载”。生成的.md文件中，每个待办项末尾都带[00:23:41]超链接，双击即可在系统默认播放器中跳转至原视频对应位置。
