《【机器学习】FFmpeg+Whisper：二阶段法视频理解（video-to-text）大模型实战》本文在音频转文本的基础上，引入了视频转音频，这样可以采用二阶段法：先提取音频，再音频转文字的方法完成视频内容理解。之后可以配上LLM对视频内提取的文本进行一系列应用。 ——来自博客 https://blog.csdn.net/weixin_48007632/article/details/140106912
