你好，我是月晖。

雪球上知名价值投资者段永平（ID是【大道无形我有型】）最近给网友写的一条回复，帮了我不小的忙。

段发帖说自己看了一遍黄峥2016-2019年所有采访的文字版，然后他就跟网友说起来用AI总结视频的问题。据他说，YouTube的视频链接直接发给Gemini，提出要求，ai那边几乎秒出总结结果。

我惊了，还有这么好的东西？

看到段永平的回复，我立刻打开YouTube，随便找了一个Wall Street Journal今天新发的视频，复制网页链接丢给我的Gemini让它总结。指令我是用中文输入的，几秒后整个视频的中文总结就全都出现在屏幕上。

随后我又多次测试了不同的视频，如下：

第一，基本上所有视频都能总结。

中文英文，还有其他不同语言的（当然我不可能全试，试了法语日语等其他一些使用者比较多的语言）视频都可以总结，即使是一两个小时的长视频，只要是有配音有内容的也可以。

如果你发给AI视频链接网址的同时给一个指令，那么你的指令给的是什么语言它就按什么语言总结。如果你没给任何指令，就是丢一个网址过去，中文视频会直接总结成中文，英文视频会直接总结成英文，其他语言的都会默认总结成英文。

为刁难AI，我还特意找来一个11个小时的冥想音乐视频，还有一个打艾尔登法环mod中boss“金玛莲妮亚”的游戏视频。没想到这两个视频也都可以总结，当然总结得很简短，就是简单说一下内容是什么。

第二，本身有字幕的较短视频AI可以给你逐字稿，长视频不行，但是可以精准定位特定内容的时间，可以定向查询视频中出现的某个内容。

按段永平在雪球上说的意思，他应该是让AI把全视频文稿给出来，然后他读了一遍。我一开始用一个很长的视频测试，发现给不出来，AI会说存在版权问题云云，于是我就换了一个6分钟的视频，这个可以直接给我逐字稿。prompt就是：请为以下 YouTube 视频提供完整的逐字文稿。如果视频有字幕，请直接按照英文字幕的原文输出，不要总结、不删减、不改写。

随后复制视频链接，把整段话发给Gemini。

如果是长视频怎么办呢？就把链接给Gemini，让它总结视频内容，然后给出时间定位，你自己再去对照着定位到某个时间点去看即可。如果你已经确定视频中会明确提及某些关键词，可以就问这个关键词出现在哪里。

当然，YouTube是谷歌自家的东西，目前只有YouTube视频能在Gemini（这某种程度上体现了谷歌在AI时代的护城河）被总结，换个视频网站换个AI都不行。

我也很需要针对国内平台Bilibili和抖音的类似工具。B站我经常看，很多B站视频确实需要看原视频，就是看作者怎么折腾，这个不能省略；有些知识和评论类的视频确实太长，如果能读文字会快很多；抖音我虽然不看，但是你不可否认的就是抖音现在已经有约十亿国民，若想了解流行文化和大众情绪，抖音确实不得不参考。

去网上找了一下，B站的有BiBiGPT，我现在已经收藏了它的网址。抖音的我看了一个用AI工作流写脚本去分析的，说实话那个代码我没看懂，等以后再说。

跟视频音频相比，获取信息效率更高的毫无疑问是看文字，但确实有很多信息你找不到文字，仅以视频的形式沉淀在YouTube平台中，最典型的就是很多一手采访。这种情况下，如果你想去了解原始信息就得自己一点一点看视频，有些视频纯英文无字幕，你只能半懂不懂地听好长时间，是个挺低效的事。

昨天和菜头也在他的文章中提到，现在Google搜索经常会搜出来视频结果，即便是在视频里开着最高倍速找答案，对他帮助最大的还是字幕，而如果看不着字幕会令人绝望。他还说，如果能有AI总结视频中的文字内容，会是个值得付费的生意。

事实上，虽然我自己不需要付费，但是Gemini专业版按说确实是需要付费的。至于我说的那个BiBiGPT，今天尝试让他总结用的是免费额度，用多了这也是需要付费的。在这个地方花钱省时间，我觉得还是很值。