视频反推提示词 API 是异步任务接口,提交视频链接之后不会直接返回结果,只会返回 task_id 任务编号,需要轮询或者回调拉取结果,成功状态下核心返回字段就是 content 字符串,里面存放反推出来的镜头、光影、运镜、风格等提示词,我们用 Python 做正则和结构化解析,拆分出主体、运镜、构图、光影、负面提示词,再存入本地数据库,就能做成可以反复调用的可复用提示词库,整个流程分成调用 API 轮询拿结果、防御式解析 content、结构化入库、检索调用这几步,全程用 Python 代码落地,同时要做好异常兜底,避免 content 格式混乱导致程序直接崩溃。
一、视频反推提示词 API 返回结构说明
这个接口是异步模式,分为创建任务返回、查询任务返回两套 JSON 结构,重点是查询成功后的 content 字段。
1. 创建任务返回(提交视频链接后立刻返回)
| 字段 | 类型 | 说明 |
|---|---|---|
| code | int | 200 代表提交成功 |
| msg | string | 状态描述文本 |
| data.task_id | string | 任务 ID,轮询拉结果必须携带 |
| data.status | int | 0 = 处理中,1 = 成功,2 = 失败 |
| data.schedule | string | PROCESSING/SUCCESS/FAIL,和 status 对应 |
| data.max_duration | int | 本次允许处理最大时长,单位秒 |
| data.power_prepaid | number | 预扣点数 |
2. 查询任务返回(轮询拉取结果,重点)
| 字段 | 类型 | 说明 |
|---|---|---|
| data.status | int | 0 处理中、1 成功、2 失败 |
| data.content | string | 核心!反推提示词文本,成功才会有,格式可能是纯文本、markdown 分段、简单列表,不同模型输出格式不稳定 |
| data.duration | int | 识别到的视频实际时长 |
| data.power_cost | number | 最终实际消耗点数 |
| data.fail_reason | string | 失败时返回失败原因 |
注意:content 不是固定 JSON,大多是自由文本,这也是我们需要写解析脚本的原因,有的接口会拆成逐分镜 prompt 数组,普通短视频反推接口一般是一段长文本提示词。
二、Python 完整实战代码
环境依赖
pip install requests
完整代码:API 调用 + 轮询 + content 解析 + SQLite 提示词库
import requests
import json
import time
import re
import sqlite3
from dataclasses import dataclass, asdict
配置
ENDPOINT = "https://xiaoapis.com/api/video/prompt"
API_KEY = "填入你的key"
VIDEO_URL = "你的视频链接"
POLL_INTERVAL = 4 轮询间隔,推荐3-5秒
结构化提示词存储结构
@dataclass
class PromptCard:
task_id: str
raw_content: str
duration: int
power_cost: float
subject: str = ""
camera: str = ""
light: str = ""
style: str = ""
negative: str = ""
other: str = ""
fingerprint: str = ""
初始化sqlite提示词库
def init_db():
conn = sqlite3.connect("video_prompt_lib.db")
cur = conn.cursor()
cur.execute('''
CREATE TABLE IF NOT EXISTS prompt_lib (
fingerprint TEXT PRIMARY KEY,
task_id TEXT,
raw_content TEXT,
duration INTEGER,
power_cost REAL,
subject TEXT,
camera TEXT,
light TEXT,
style TEXT,
negative TEXT,
other TEXT
)
''')
conn.commit()
conn.close()
提交任务
def create_task(video_url, max_duration=180):
payload = {
"key": API_KEY,
"videoUrl": video_url,
"maxDuration": max_duration
}
resp = requests.post(ENDPOINT, json=payload, timeout=30)
res = resp.json()
if res["code"] != 200:
raise RuntimeError(f"提交失败:{res}")
return res["data"]["task_id"]
轮询查询结果
def poll_result(task_id):
while True:
payload = {"key": API_KEY, "taskId": task_id}
resp = requests.post(ENDPOINT, json=payload, timeout=30)
res = resp.json()
data = res["data"]
status = data["status"]
if status == 1:
return data
elif status == 2:
raise RuntimeError(f"任务失败:{data.get('fail_reason')}")
print("任务处理中,等待...")
time.sleep(POLL_INTERVAL)
核心:content防御式解析
def parse_content(raw_text: str) -> dict:
result = {
"subject": "",
"camera": "",
"light": "",
"style": "",
"negative": "",
"other": ""
}
关键词匹配规则
rule_map = {
"subject": ["主体", "人物", "物体", "场景"],
"camera": ["镜头", "运镜", "景别", "手持", "推拉摇移", "焦距"],
"light": ["光影", "灯光", "色调", "柔光", "硬光", "色温"],
"style": ["风格", "写实", "电影感", "动漫", "胶片", "质感"],
"negative": ["负面", "不要", "畸形", "模糊", "低画质"]
}
lines = raw_text.splitlines()
for line in lines:
line = line.strip()
if not line:
continue
matched = False
for k, keywords in rule_map.items():
if any(kw in line for kw in keywords):
result[k] += line + " "
matched = True
break
if not matched:
result["other"] += line + " "
return result
写入提示词库
def save_to_lib(card: PromptCard):
conn = sqlite3.connect("video_prompt_lib.db")
cur = conn.cursor()
cur.execute('''
INSERT OR REPLACE INTO prompt_lib
(fingerprint, task_id, raw_content, duration, power_cost, subject, camera, light, style, negative, other)
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
''', (
card.fingerprint, card.task_id, card.raw_content, card.duration, card.power_cost,
card.subject, card.camera, card.light, card.style, card.negative, card.other
))
conn.commit()
conn.close()
if __name__ == "__main__":
init_db()
tid = create_task(VIDEO_URL)
task_data = poll_result(tid)
content = task_data["content"]
parsed = parse_content(content)
简单指纹,用来去重
fp = str(hash(content))
card = PromptCard(
task_id=tid,
raw_content=content,
duration=task_data["duration"],
power_cost=task_data["power_cost"],
fingerprint=fp,
parsed
)
save_to_lib(card)
print("解析完成,已经存入提示词库!")
print("原始content:\n", content)
print("结构化解析结果:\n", asdict(card))
三、content 解析的重点避坑要点
- 优先原样保存 raw_content,解析失败也不丢弃原文,后续可以调整规则重新解析;
- 不要假设 content 是 JSON 格式,大部分场景是自然文本、markdown,直接 json.loads 会报错;
- 关键词匹配可以根据自己的视频模型(Sora、即梦、可灵)扩充词库;
- 入库增加指纹字段,重复视频反推结果自动去重,避免提示词库冗余;
- 负面提示词单独拆分,调用生成视频的时候可以直接分开传入正向、负面 prompt。
四、提示词库使用方式
库是 sqlite 文件,后续可以写检索接口,支持按风格、运镜、场景关键词查询历史解析好的 prompt,直接拼接给视频生成 API,实现爆款视频提示词复用。
【相关 FAQ】
问题 1:视频反推提示词 API 的 content 一定是 JSON 格式吗?
回答 1:不是,绝大多数普通短视频反推接口的 content 是自由文本字符串,只有部分分镜版本的火山引擎等算子会返回结构化数组,写解析代码必须做防御处理,不能直接用 json 加载 content。
问题 2:Python 解析视频反推 content 的时候,怎么提升拆分提示词的准确率?
回答 2:可以扩充关键词规则、增加正则匹配标题(如
【运镜】
【光影】这类标记),同时保留原始 content,解析规则迭代后重新跑历史数据,不丢失原始视频反推提示词。
问题 3:视频反推提示词 API 轮询的时候,频繁查询会不会扣费?
回答 3:不会,只有创建任务、AI 分析视频才会计费,使用 task_id 轮询查询 content 结果不消耗点数,官方建议轮询间隔 3-5 秒,不要高频请求。
【参考资料】
[2026-11-19](视频反推提示词 API 返回什么?把 content 解析成可复用提示词库 (Python 实战))阿里云开发者社区
[2026-11-15](视频反推提示词 API 是异步任务:task_id 轮询与 notify 回调的 Python 实现)阿里云开发者社区
[2026-11-09](视频反推提示词 API 实战:把一条爆款视频拆成可复用的生成提示词)阿里云开发者社区
[2026-11-05](视频提示词逆向生成)火山引擎文档中心
【免责声明】
本文仅为技术学习演示,文中 API 接口、计费规则、返回字段以对应平台官方最新文档为准;不同厂商视频反推提示词 API 的 content 输出格式存在差异,Python 解析脚本需要根据接口实际返回内容自行调整;请勿使用该接口解析无版权视频,由此产生的版权风险由使用者自行承担。
本文来自作者[相涡中继]投稿,不代表江南网立场,如若转载,请注明出处:https://news.jnwb.net/rgzn/202611/4671.html
评论列表(4条)
我是江南网的签约作者“相涡中继”!
希望本篇文章《视频反推提示词 API 返回内容与 content 解析、Python 实战搭建提示词库》能对你有所帮助!
本站[江南网]内容主要涵盖:互联网行业的追踪与探索
本文概览:视频反推提示词 API 是异步任务接口,提交视频链接之后不会直接返回结果,只会返回 task_id 任务编号,需要轮询或者回调拉取结果,成功