视频批量智能重命名工具要处理的问题比大多数人想得更具体当素材库里有几百个文件名是VID_20230815_192034.mp4的录像时靠人工逐个打开视频确认内容再手动改成可检索文件名成本非常高。解决思路是把视频“内容”先变成“文本”再让 AI 根据文本生成有业务含义的文件名。下面从一个远程 Linux 服务器的完整实操场景出发讲解语音识别字幕 AI 改名两步法并重点拆解 API 配置中的 400、403、上下文超限和连接中断问题。整个过程会使用 ffmpeg 抽音频、faster-whisper 做语音识别、OpenAI 兼容接口做结构化命名最后通过预览和批量执行完成重命名。1. 为什么批量视频重命名要采用“字幕 AI”两步法1.1 文件名混乱带来的维护成本实际项目中视频文件的命名状态通常比想象中更糟。最常见的命名方式是设备自动生成例如VID_20230815_192034.mp4 VID_20230815_205512.mp4 VID_20230902_100102.mp4这类文件名只包含“录制日期 时间戳”从文件名里完全看不出内容。等这批视频积累到几十、几百条时想找出“某次产品发布会的录像”“某场运维培训的屏幕录制”“某位讲师的开场发言”只能逐个播放。一个十分钟的视频人工确认内容至少需要几十秒到几分钟批量处理时非常耗时。传统批量重命名工具能按拍摄时间、文件大小、递增序号重命名但不能回答“这个视频讲了什么”这个核心问题。问题不在于“重命名”本身而在于“如何低成本获得内容语义”。因此先让机器把语音转成字幕再用 AI 从字幕里提炼主题和关键信息形成一条完整的重命名流程这是本方案的基本动机。1.2 两步法的数据链路整个流程可以拆成五个环节视频文件通过 ffmpeg 抽取音频丢弃画面压缩为适合语音识别的单声道低采样率音频。音频文件通过语音识别引擎转成字幕文本也就是把“人能听懂的内容”变成“机器能处理的文本”。字幕文本交给大模型 API由模型根据命名规范生成结构化 JSON 输出。对模型输出的文件名做非法字符清洗、长度限制和重名处理生成rename_map.csv。人工预览后执行批量重命名再校验结果。为什么不直接把视频文件交给大模型看虽然视频多模态模型已经能理解画面和语音但批量场景下成本高、耗时长、输入长度受限不如先转字幕再让文本模型处理性价比高。为什么不只看文件元数据因为文件名本身就是乱的元数据里没有内容语义。1.3 哪些视频适合哪些视频不适合这套方案的前提是“视频里有人声且语音能被识别出来”。适合的场景包括课程录像、会议回放、采访、口播短视频、产品演示、操作教程。这些内容在字幕文本里能看到明确主题AI 也容易从中提取关键词。不适合的场景主要有几类纯音乐、无人声的视频语音识别的输出是空白或噪声文本。多语言混杂、方言比例高的视频字幕质量会显著下降。语音质量极差、多人同时说话、背景音乐过大的视频识别结果会出现大量错字。画面信息才是核心的视频例如纯风景、空镜、无人讲解的动画演示。对这些场景建议退回到保守规则例如按“日期_拍摄地点_时长”命名不要强行使用 AI 内容命名。2. 远程实操前要准备的环境与工具选型2.1 远程 Linux 服务器环境远程实操意味着视频放在 Linux 服务器上通过 SSH 登录操作。这样不影响本地电脑带宽也方便用nohup、tmux或定时任务跑批量任务。开始前先确认服务器环境ffmpeg -version | head -1 python3 --version free -g nvidia-smi如果 ffmpeg 未安装通过系统包管理器安装apt-get update apt-get install -y ffmpegPython 环境建议使用独立虚拟环境避免污染系统 Pythonmkdir -p /opt/videorename cd /opt/videorename python3 -m venv venv source venv/bin/activate pip install faster-whisper openai这里有一个明显的实验环境与生产环境差异实验环境用 CPU 和 small 模型就够跑通流程生产环境如果视频量大、实时性要求高需要 GPU 或云厂商语音识别服务。不要一开始就在服务器上安装全套深度学习环境先把最小流程跑通。2.2 语音识别引擎选型语音识别引擎决定字幕质量也决定后续 AI 命名效果的上限。常见方案对比如下方案是否联网中文效果硬件要求适合场景faster-whisper否中等small 起步large 更好CPU 可跑GPU 更快离线批量任务FunASR否中文优化较好需要一定显存或较强 CPU中文视频为主云厂商 ASR是较高无额外硬件准确率优先、在线任务实验环境推荐 faster-whisper原因是接口简单、离线可用、CPU 上也能通过 int8 量化运行。中文场景如果识别效果不好可以切换到 FunASR 或云厂商 ASR但要注意云厂商 ASR 按调用时长计费批量处理前先算成本。选型原则如果视频里有大量专业术语比如医疗、法律、工业控制建议准备一个自定义词表或热词表在识别时提示模型否则专有名词很容易被转成同音错字。2.3 AI 改名引擎OpenAI 兼容 API 的通用接入方式改名这一步不用追求最强模型命名任务属于轻量文本生成中小模型通常已经够用。这里选择 OpenAI 兼容接口原因是大量平台都提供该协议客户端写法统一只需要切换base_url、model、api_key三个配置。不要在脚本里写死密钥使用环境变量export API_KEYsk-你的密钥 export API_BASE_URLhttps://你的平台地址/v1 export API_MODEL你的模型名调用时用同一个OpenAI客户端from openai import OpenAI import os client OpenAI( api_keyos.getenv(API_KEY), base_urlos.getenv(API_BASE_URL), )不同平台的 API Key 通常在各自控制台创建具体模型名和接口路径以官方文档为准。为了避免把模型名写错可以先调用一次client.models.list()查看当前 key 能访问的模型列表。2.4 目录划分与任务文件约定远程操作中最怕把中间产物和原始视频混在一起。建议按下面的目录结构组织/opt/videorename/ ├── raw/ # 原始视频只读 ├── audio/ # 抽取出的音频 ├── subtitle/ # 字幕文本 ├── logs/ # 日志和 rename_map.csv └── renamed/ # 重命名后的视频目录原始视频放在raw目录不直接修改。所有中间产物都落到独立目录这样即使某个阶段出错清理重跑的成本也低。logs目录存放每次批量任务的日志和重命名映射方便回滚和排查。3. 第一步实操批量抽取音频并生成字幕3.1 用 ffmpeg 批量抽取音频语音识别模型通常不接受视频文件作为输入第一步是把视频里的音轨抽出来。推荐的音频格式是 16kHz、单声道 WAV这个格式是多数 ASR 模型的输入标准体积也比原始音轨小很多。cd /opt/videorename for f in raw/*.mp4; do name$(basename $f .mp4) ffmpeg -y -i $f -vn -ac 1 -ar 16000 -f wav audio/${name}.wav done参数说明-vn丢弃视频画面只保留音频。-ac 1转换为单声道。-ar 16000采样率设为 16kHz。-f wav输出 WAV 格式。-y覆盖同名文件便于重复执行。这里要注意一个常见坑如果raw目录里混有非视频文件ffmpeg 会报错并中断脚本。更稳妥的写法是先判断扩展名或者在循环里捕获错误继续执行。抽音完成后用ls audio | wc -l和ls raw | wc -l对比数量确认没有漏掉的视频。3.2 用 faster-whisper 生成字幕纯文本音频抽取完成后进入语音识别环节。这里以 faster-whisper 为例生成每行一句的纯文本而不是带时间轴的 SRT。原因是 AI 改名的输入只需要语义内容不需要时间戳纯文本能减少 token 数降低 API 调用成本。from pathlib import Path from faster_whisper import WhisperModel audio_dir Path(/opt/videorename/audio) text_dir Path(/opt/videorename/subtitle) text_dir.mkdir(exist_okTrue) model WhisperModel( small, devicecpu, compute_typeint8, ) for wav in sorted(audio_dir.glob(*.wav)): segments, info model.transcribe( str(wav), languagezh, vad_filterTrue, ) lines [] for seg in segments: text seg.text.strip() if text: lines.append(text) out text_dir / (wav.stem .txt) out.write_text(\n.join(lines), encodingutf-8) print(f[ok] {wav.name} - {len(lines)} 行)关键参数languagezh确定输入全是中文时固定语言识别更快更稳。如果视频多语言混杂不要传这个参数让模型自动检测。vad_filterTrue过滤静音片段避免把大段空白转成无意义文本。compute_typeint8CPU 环境下降低精度换取速度识别质量有轻微损失实验环境可以接受。如果后续要保留时间轴用于字幕剪辑可以改成生成 SRT 文件如果只是为了重命名纯文本即可。3.3 字幕结果抽样验证不要直接进入 API 阶段。先抽 5 到 10 个不同风格的视频查看字幕文本head -20 subtitle/VID_20230815_192034.txt检查点有三个文字是否大致还原了视频内容。是否存在大面积错字、乱码、重复片段。专有名词是否被错误转写。如果字幕质量差后面的 AI 命名也不会准确。常见原因包括音频采样率不对、模型太小、背景噪声过大。先解决字幕质量问题再继续后面的流程。注意不要只验证程序能启动还要验证输入、输出、异常分支和日志是否符合预期。字幕识别是整条链路的第一层信号信号错了后面很难纠正。4. 第二步实操用 AI 从字幕生成结构化文件名4.1 先定义命名规范再设计 PromptAI 生成文件名之前必须先定义清晰的文件名规则否则模型每次输出都不同批量命名会非常混乱。一个适合视频素材的命名规则是[日期]_[主题]_[关键人物或事件]示例2024-07-18_产品发布会_王总开场演讲 20230902_运维培训_磁盘扩容步骤日期用 YYYY-MM-DD 或 YYYYMMDD 都可以看团队习惯。主题用于检索关键人物或事件用于区分同一天多条视频。Prompt 的设计直接影响模型输出质量。推荐让模型只输出 JSON方便程序解析{ suggested_name: 2024-07-18_产品发布会_王总开场演讲, reason: 视频主要围绕产品发布会开场王总介绍了新产品架构。 }在 Prompt 中明确告诉模型不要带扩展名、不要包含/ \ : * ? |和换行符、长度控制在 10 到 60 个字符。如果字幕文本过短无法判断主题就返回“未命名_视频编号”。4.2 调用 OpenAI 兼容 API 的完整示例假设每个视频的字幕已经生成在subtitle目录代码逐个读取文本并调用模型import os import json import re from pathlib import Path from openai import OpenAI API_KEY os.getenv(API_KEY) API_BASE_URL os.getenv(API_BASE_URL, https://api.openai.com/v1) API_MODEL os.getenv(API_MODEL, gpt-4o-mini) client OpenAI(api_keyAPI_KEY, base_urlAPI_BASE_URL) def build_prompt(text: str, video_id: str) - str: return ( 你是视频素材管理员。下面是一段视频的语音识别字幕文本。\n 请根据内容生成一个适合作为文件名的名称。要求\n 1. 只输出 JSON不要输出其它解释。\n 2. JSON 格式{\suggested_name\: \生成的文件名\, \reason\: \一句话理由\}\n 3. 文件名的组成部分日期_主题_关键人物或事件。\n 4. 文件名不要包含扩展名不要包含 / \\\\ : * ? \ | 和换行符。\n 5. 如果文本内容太少或无法判断主题suggested_name 返回未命名_视频编号\n\n f视频编号{video_id}\n f字幕文本\n{trim_text(text)}\n ) def trim_text(text: str, limit: int 3000) - str: if len(text) limit: return text half limit // 2 return text[:half] \n...[中间省略]...\n text[-half:] def rename_from_text(text: str, video_id: str) - dict: resp client.chat.completions.create( modelAPI_MODEL, messages[ {role: system, content: 你只输出结构化的 JSON。}, {role: user, content: build_prompt(text, video_id)}, ], temperature0.2, max_tokens200, response_format{type: json_object}, ) content resp.choices[0].message.content return json.loads(content)几个关键点temperature0.2降低随机性让同一段字幕多次调用尽量输出稳定名称。max_tokens200对命名任务足够避免模型输出大段解释。response_format{type: json_object}依赖平台支持如果平台不支持该参数直接去掉。trim_text防止字幕过长后面排查章节会单独解释上下文超限问题。模型返回的内容不一定是一个完整 JSON。如果解析失败可以使用后面排错章节里的兜底逻辑。4.3 把模型输出清洗成合法文件名模型生成的名称不能直接用于重命名原因有三个可能包含/ \ : * ? |等非法字符Linux 下/会变成目录分隔符Windows 下这些字符都不允许。可能包含换行、Tab、首尾空格、点号影响文件系统兼容性。可能超出操作系统文件名长度限制尤其当日期、主题、人物叠加后。清洗代码import re import unicodedata def sanitize_filename(name: str, max_len: int 60) - str: if not name: return 未命名 name unicodedata.normalize(NFKC, name) name re.sub(r[\\/:*?|\r\n\t], _, name) name re.sub(r\s, _, name) name name.strip( .) return name[:max_len] def safe_suggest(raw: dict, video_id: str) - str: if not raw or not isinstance(raw, dict): return f未命名_{video_id} name raw.get(suggested_name) if not name or str(name).startswith(未命名): return f未命名_{video_id} return sanitize_filename(name)清洗规则说明unicodedata.normalize(NFKC, name)把全角字符转成半角中文文件名会更统一。非法字符统一替换成下划线而不是删除避免多个单词粘连。首尾的点和空格要去掉否则 macOS 或 Windows 上容易出现隐藏文件或目录识别错误。回退策略保证个别视频即使 API 解析失败也不中断整个批量任务。5. 批量重命名执行先预览、再改名、最后校验5.1 生成预览表不要直接修改文件把 AI 生成结果写入 视频批量智能重命名：语音识别字幕+AI两步法实操
视频批量智能重命名工具要处理的问题比大多数人想得更具体当素材库里有几百个文件名是VID_20230815_192034.mp4的录像时靠人工逐个打开视频确认内容再手动改成可检索文件名成本非常高。解决思路是把视频“内容”先变成“文本”再让 AI 根据文本生成有业务含义的文件名。下面从一个远程 Linux 服务器的完整实操场景出发讲解语音识别字幕 AI 改名两步法并重点拆解 API 配置中的 400、403、上下文超限和连接中断问题。整个过程会使用 ffmpeg 抽音频、faster-whisper 做语音识别、OpenAI 兼容接口做结构化命名最后通过预览和批量执行完成重命名。1. 为什么批量视频重命名要采用“字幕 AI”两步法1.1 文件名混乱带来的维护成本实际项目中视频文件的命名状态通常比想象中更糟。最常见的命名方式是设备自动生成例如VID_20230815_192034.mp4 VID_20230815_205512.mp4 VID_20230902_100102.mp4这类文件名只包含“录制日期 时间戳”从文件名里完全看不出内容。等这批视频积累到几十、几百条时想找出“某次产品发布会的录像”“某场运维培训的屏幕录制”“某位讲师的开场发言”只能逐个播放。一个十分钟的视频人工确认内容至少需要几十秒到几分钟批量处理时非常耗时。传统批量重命名工具能按拍摄时间、文件大小、递增序号重命名但不能回答“这个视频讲了什么”这个核心问题。问题不在于“重命名”本身而在于“如何低成本获得内容语义”。因此先让机器把语音转成字幕再用 AI 从字幕里提炼主题和关键信息形成一条完整的重命名流程这是本方案的基本动机。1.2 两步法的数据链路整个流程可以拆成五个环节视频文件通过 ffmpeg 抽取音频丢弃画面压缩为适合语音识别的单声道低采样率音频。音频文件通过语音识别引擎转成字幕文本也就是把“人能听懂的内容”变成“机器能处理的文本”。字幕文本交给大模型 API由模型根据命名规范生成结构化 JSON 输出。对模型输出的文件名做非法字符清洗、长度限制和重名处理生成rename_map.csv。人工预览后执行批量重命名再校验结果。为什么不直接把视频文件交给大模型看虽然视频多模态模型已经能理解画面和语音但批量场景下成本高、耗时长、输入长度受限不如先转字幕再让文本模型处理性价比高。为什么不只看文件元数据因为文件名本身就是乱的元数据里没有内容语义。1.3 哪些视频适合哪些视频不适合这套方案的前提是“视频里有人声且语音能被识别出来”。适合的场景包括课程录像、会议回放、采访、口播短视频、产品演示、操作教程。这些内容在字幕文本里能看到明确主题AI 也容易从中提取关键词。不适合的场景主要有几类纯音乐、无人声的视频语音识别的输出是空白或噪声文本。多语言混杂、方言比例高的视频字幕质量会显著下降。语音质量极差、多人同时说话、背景音乐过大的视频识别结果会出现大量错字。画面信息才是核心的视频例如纯风景、空镜、无人讲解的动画演示。对这些场景建议退回到保守规则例如按“日期_拍摄地点_时长”命名不要强行使用 AI 内容命名。2. 远程实操前要准备的环境与工具选型2.1 远程 Linux 服务器环境远程实操意味着视频放在 Linux 服务器上通过 SSH 登录操作。这样不影响本地电脑带宽也方便用nohup、tmux或定时任务跑批量任务。开始前先确认服务器环境ffmpeg -version | head -1 python3 --version free -g nvidia-smi如果 ffmpeg 未安装通过系统包管理器安装apt-get update apt-get install -y ffmpegPython 环境建议使用独立虚拟环境避免污染系统 Pythonmkdir -p /opt/videorename cd /opt/videorename python3 -m venv venv source venv/bin/activate pip install faster-whisper openai这里有一个明显的实验环境与生产环境差异实验环境用 CPU 和 small 模型就够跑通流程生产环境如果视频量大、实时性要求高需要 GPU 或云厂商语音识别服务。不要一开始就在服务器上安装全套深度学习环境先把最小流程跑通。2.2 语音识别引擎选型语音识别引擎决定字幕质量也决定后续 AI 命名效果的上限。常见方案对比如下方案是否联网中文效果硬件要求适合场景faster-whisper否中等small 起步large 更好CPU 可跑GPU 更快离线批量任务FunASR否中文优化较好需要一定显存或较强 CPU中文视频为主云厂商 ASR是较高无额外硬件准确率优先、在线任务实验环境推荐 faster-whisper原因是接口简单、离线可用、CPU 上也能通过 int8 量化运行。中文场景如果识别效果不好可以切换到 FunASR 或云厂商 ASR但要注意云厂商 ASR 按调用时长计费批量处理前先算成本。选型原则如果视频里有大量专业术语比如医疗、法律、工业控制建议准备一个自定义词表或热词表在识别时提示模型否则专有名词很容易被转成同音错字。2.3 AI 改名引擎OpenAI 兼容 API 的通用接入方式改名这一步不用追求最强模型命名任务属于轻量文本生成中小模型通常已经够用。这里选择 OpenAI 兼容接口原因是大量平台都提供该协议客户端写法统一只需要切换base_url、model、api_key三个配置。不要在脚本里写死密钥使用环境变量export API_KEYsk-你的密钥 export API_BASE_URLhttps://你的平台地址/v1 export API_MODEL你的模型名调用时用同一个OpenAI客户端from openai import OpenAI import os client OpenAI( api_keyos.getenv(API_KEY), base_urlos.getenv(API_BASE_URL), )不同平台的 API Key 通常在各自控制台创建具体模型名和接口路径以官方文档为准。为了避免把模型名写错可以先调用一次client.models.list()查看当前 key 能访问的模型列表。2.4 目录划分与任务文件约定远程操作中最怕把中间产物和原始视频混在一起。建议按下面的目录结构组织/opt/videorename/ ├── raw/ # 原始视频只读 ├── audio/ # 抽取出的音频 ├── subtitle/ # 字幕文本 ├── logs/ # 日志和 rename_map.csv └── renamed/ # 重命名后的视频目录原始视频放在raw目录不直接修改。所有中间产物都落到独立目录这样即使某个阶段出错清理重跑的成本也低。logs目录存放每次批量任务的日志和重命名映射方便回滚和排查。3. 第一步实操批量抽取音频并生成字幕3.1 用 ffmpeg 批量抽取音频语音识别模型通常不接受视频文件作为输入第一步是把视频里的音轨抽出来。推荐的音频格式是 16kHz、单声道 WAV这个格式是多数 ASR 模型的输入标准体积也比原始音轨小很多。cd /opt/videorename for f in raw/*.mp4; do name$(basename $f .mp4) ffmpeg -y -i $f -vn -ac 1 -ar 16000 -f wav audio/${name}.wav done参数说明-vn丢弃视频画面只保留音频。-ac 1转换为单声道。-ar 16000采样率设为 16kHz。-f wav输出 WAV 格式。-y覆盖同名文件便于重复执行。这里要注意一个常见坑如果raw目录里混有非视频文件ffmpeg 会报错并中断脚本。更稳妥的写法是先判断扩展名或者在循环里捕获错误继续执行。抽音完成后用ls audio | wc -l和ls raw | wc -l对比数量确认没有漏掉的视频。3.2 用 faster-whisper 生成字幕纯文本音频抽取完成后进入语音识别环节。这里以 faster-whisper 为例生成每行一句的纯文本而不是带时间轴的 SRT。原因是 AI 改名的输入只需要语义内容不需要时间戳纯文本能减少 token 数降低 API 调用成本。from pathlib import Path from faster_whisper import WhisperModel audio_dir Path(/opt/videorename/audio) text_dir Path(/opt/videorename/subtitle) text_dir.mkdir(exist_okTrue) model WhisperModel( small, devicecpu, compute_typeint8, ) for wav in sorted(audio_dir.glob(*.wav)): segments, info model.transcribe( str(wav), languagezh, vad_filterTrue, ) lines [] for seg in segments: text seg.text.strip() if text: lines.append(text) out text_dir / (wav.stem .txt) out.write_text(\n.join(lines), encodingutf-8) print(f[ok] {wav.name} - {len(lines)} 行)关键参数languagezh确定输入全是中文时固定语言识别更快更稳。如果视频多语言混杂不要传这个参数让模型自动检测。vad_filterTrue过滤静音片段避免把大段空白转成无意义文本。compute_typeint8CPU 环境下降低精度换取速度识别质量有轻微损失实验环境可以接受。如果后续要保留时间轴用于字幕剪辑可以改成生成 SRT 文件如果只是为了重命名纯文本即可。3.3 字幕结果抽样验证不要直接进入 API 阶段。先抽 5 到 10 个不同风格的视频查看字幕文本head -20 subtitle/VID_20230815_192034.txt检查点有三个文字是否大致还原了视频内容。是否存在大面积错字、乱码、重复片段。专有名词是否被错误转写。如果字幕质量差后面的 AI 命名也不会准确。常见原因包括音频采样率不对、模型太小、背景噪声过大。先解决字幕质量问题再继续后面的流程。注意不要只验证程序能启动还要验证输入、输出、异常分支和日志是否符合预期。字幕识别是整条链路的第一层信号信号错了后面很难纠正。4. 第二步实操用 AI 从字幕生成结构化文件名4.1 先定义命名规范再设计 PromptAI 生成文件名之前必须先定义清晰的文件名规则否则模型每次输出都不同批量命名会非常混乱。一个适合视频素材的命名规则是[日期]_[主题]_[关键人物或事件]示例2024-07-18_产品发布会_王总开场演讲 20230902_运维培训_磁盘扩容步骤日期用 YYYY-MM-DD 或 YYYYMMDD 都可以看团队习惯。主题用于检索关键人物或事件用于区分同一天多条视频。Prompt 的设计直接影响模型输出质量。推荐让模型只输出 JSON方便程序解析{ suggested_name: 2024-07-18_产品发布会_王总开场演讲, reason: 视频主要围绕产品发布会开场王总介绍了新产品架构。 }在 Prompt 中明确告诉模型不要带扩展名、不要包含/ \ : * ? |和换行符、长度控制在 10 到 60 个字符。如果字幕文本过短无法判断主题就返回“未命名_视频编号”。4.2 调用 OpenAI 兼容 API 的完整示例假设每个视频的字幕已经生成在subtitle目录代码逐个读取文本并调用模型import os import json import re from pathlib import Path from openai import OpenAI API_KEY os.getenv(API_KEY) API_BASE_URL os.getenv(API_BASE_URL, https://api.openai.com/v1) API_MODEL os.getenv(API_MODEL, gpt-4o-mini) client OpenAI(api_keyAPI_KEY, base_urlAPI_BASE_URL) def build_prompt(text: str, video_id: str) - str: return ( 你是视频素材管理员。下面是一段视频的语音识别字幕文本。\n 请根据内容生成一个适合作为文件名的名称。要求\n 1. 只输出 JSON不要输出其它解释。\n 2. JSON 格式{\suggested_name\: \生成的文件名\, \reason\: \一句话理由\}\n 3. 文件名的组成部分日期_主题_关键人物或事件。\n 4. 文件名不要包含扩展名不要包含 / \\\\ : * ? \ | 和换行符。\n 5. 如果文本内容太少或无法判断主题suggested_name 返回未命名_视频编号\n\n f视频编号{video_id}\n f字幕文本\n{trim_text(text)}\n ) def trim_text(text: str, limit: int 3000) - str: if len(text) limit: return text half limit // 2 return text[:half] \n...[中间省略]...\n text[-half:] def rename_from_text(text: str, video_id: str) - dict: resp client.chat.completions.create( modelAPI_MODEL, messages[ {role: system, content: 你只输出结构化的 JSON。}, {role: user, content: build_prompt(text, video_id)}, ], temperature0.2, max_tokens200, response_format{type: json_object}, ) content resp.choices[0].message.content return json.loads(content)几个关键点temperature0.2降低随机性让同一段字幕多次调用尽量输出稳定名称。max_tokens200对命名任务足够避免模型输出大段解释。response_format{type: json_object}依赖平台支持如果平台不支持该参数直接去掉。trim_text防止字幕过长后面排查章节会单独解释上下文超限问题。模型返回的内容不一定是一个完整 JSON。如果解析失败可以使用后面排错章节里的兜底逻辑。4.3 把模型输出清洗成合法文件名模型生成的名称不能直接用于重命名原因有三个可能包含/ \ : * ? |等非法字符Linux 下/会变成目录分隔符Windows 下这些字符都不允许。可能包含换行、Tab、首尾空格、点号影响文件系统兼容性。可能超出操作系统文件名长度限制尤其当日期、主题、人物叠加后。清洗代码import re import unicodedata def sanitize_filename(name: str, max_len: int 60) - str: if not name: return 未命名 name unicodedata.normalize(NFKC, name) name re.sub(r[\\/:*?|\r\n\t], _, name) name re.sub(r\s, _, name) name name.strip( .) return name[:max_len] def safe_suggest(raw: dict, video_id: str) - str: if not raw or not isinstance(raw, dict): return f未命名_{video_id} name raw.get(suggested_name) if not name or str(name).startswith(未命名): return f未命名_{video_id} return sanitize_filename(name)清洗规则说明unicodedata.normalize(NFKC, name)把全角字符转成半角中文文件名会更统一。非法字符统一替换成下划线而不是删除避免多个单词粘连。首尾的点和空格要去掉否则 macOS 或 Windows 上容易出现隐藏文件或目录识别错误。回退策略保证个别视频即使 API 解析失败也不中断整个批量任务。5. 批量重命名执行先预览、再改名、最后校验5.1 生成预览表不要直接修改文件把 AI 生成结果写入