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

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
codeint200 代表提交成功
msgstring状态描述文本
data.task_idstring任务 ID,轮询拉结果必须携带
data.statusint0 = 处理中,1 = 成功,2 = 失败
data.schedulestringPROCESSING/SUCCESS/FAIL,和 status 对应
data.max_durationint本次允许处理最大时长,单位秒
data.power_prepaidnumber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.statusint0 处理中、1 成功、2 失败
data.contentstring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.durationint识别到的视频实际时长
data.power_costnumber最终实际消耗点数
data.fail_reasonstring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

  1. 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;
  2. 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;
  3. 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;
  4. 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;
  5. 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

赞 (1)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 相涡中继
    相涡中继 2026年11月19日

    我是江南网的签约作者“相涡中继”!

  • 相涡中继
    相涡中继 2026年11月19日

    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!

  • 相涡中继
    相涡中继 2026年11月19日

    本站[江南网]内容主要涵盖:互联网行业的追踪与探索

  • 相涡中继
    相涡中继 2026年11月19日

    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

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们