您的位置首页 >人工智能 >

视频反推提示词 API 返回内容解析与 content 字段 Python 提示词库实战

视频反推提示词 API 是异步任务接口,它不会直接一次性返回最终提示词,提交视频链接后先拿到 task_id,再通过轮询或者回调查询任务结果,成功返回里最核心的就是 content 文本字段,我们要做的就是用 Python 读取、拆分、结构化这段 content,存入本地或者数据库做成可以反复调取的提示词库,用来复刻镜头、运镜、光影风格,不用每次手动写镜头描述。很多新手踩坑点就是直接拿原始 content 丢给视频生成模型,效果不稳定,因为原始 content 是长文本混着分镜、光线、风格描述,没有结构化,拆解后按镜头、光影、构图、主体分类,才能在提示词库里单独调用某一类参数。

一、视频反推提示词 API 完整返回结构

接口整体返回标准 JSON,分提交任务返回和查询任务返回两套结构。

  1. 提交任务(POST 请求)返回

{

"code":200,

"msg":"任务创建成功",

"data":{

"task_id":"vp_xxxx",

"status":0,

"schedule":"PROCESSING",

"max_duration":600,

"power_prepaid":10

}

}

status 含义:0 = 处理中,1 = 成功,2 = 失败

2. 查询任务返回(重点)

{

"code":200,

"msg":"success",

"data":{

"status":1,

"content":"分镜描述、运镜、光影、色调、风格的长文本",

"duration":15,

"power_cost":8,

"fail_reason":""

}

}

  • content:字符串类型,就是反推出来的原始提示词文本,一般包含逐秒分镜、镜头类型、运镜方式、光线、色调、画面质感、氛围,是我们解析的目标;任务失败时 content 为空
  • duration:识别出来的视频时长(秒)
  • power_cost:实际消耗点数
  • fail_reason:失败原因,比如视频解析失败、链接失效

二、content 原始内容长什么样

content 是自然语言 + 分镜清单混合文本,示例:

光线:柔和室内自然光,暖调,低对比度,虚化背景

分镜:

1)0-3s 固定中景,人物缓慢抬手,表情放松

2)3-7s 缓慢推镜头,特写手部细节

3)7-12s 环绕运镜,全景展示环境

风格:生活化 vlog,干净画面,4K,竖屏 9:16

三、Python 实战:拉取 API、解析 content、存入提示词库

整体流程:调用 API 提交视频→循环轮询查询状态→status=1 拿到 content→正则拆分 content 为结构化字典→写入 json 文件 /sqlite 提示词库。

import json

import time

import re

import urllib.request

API_ENDPOINT = "https://xiaoapis.com/api/video/prompt"

API_KEY = "你的key"

def submit_video_task(video_url:str):

payload = json.dumps({"key":API_KEY,"video_url":video_url}).encode("utf-8")

req = urllib.request.Request(API_ENDPOINT,data=payload,headers={"Content-Type":"application/json"},method="POST")

resp = urllib.request.urlopen(req,timeout=30)

return json.loads(resp.read())

def get_task_result(task_id:str):

payload = json.dumps({"key":API_KEY,"task_id":task_id}).encode("utf-8")

req = urllib.request.Request(API_ENDPOINT,data=payload,headers={"Content-Type":"application/json"},method="POST")

resp = urllib.request.urlopen(req,timeout=30)

return json.loads(resp.read())

def parse_content(raw_content:str):

解析content,提取光线、分镜、风格三大模块

res = {"raw_prompt":raw_content,"light":"","shot_list":[],"style":""}

light_match = re.search(r"光线[::](.?)(?=\n分镜|\n风格|$)",raw_content,re.S)

if light_match:

res["light"] = light_match.group(1).strip()

style_match = re.search(r"风格[::](.?)(?=\n|$)",raw_content,re.S)

if style_match:

res["style"] = style_match.group(1).strip()

shot_items = re.findall(r"\d+)(.?)(?=\n\d+)|\n风格|$)",raw_content,re.S)

for s in shot_items:

s = s.strip()

if s:

res["shot_list"].append(s)

return res

def save_to_prompt_lib(struct_data,lib_path="prompt_lib.json"):

try:

with open(lib_path,"r",encoding="utf-8") as f:

lib = json.load(f)

except:

lib = []

lib.append(struct_data)

with open(lib_path,"w",encoding="utf-8") as f:

json.dump(lib,f,ensure_ascii=False,indent=2)

if __name__ == "__main__":

video_link = "目标短视频链接"

submit_ret = submit_video_task(video_link)

taskid = submit_ret["data"]["task_id"]

print("任务已提交,task_id:",taskid)

轮询

while True:

ret = get_task_result(taskid)

st = ret["data"]["status"]

if st == 1:

content_txt = ret["data"]["content"]

parsed = parse_content(content_txt)

save_to_prompt_lib(parsed)

print("解析完成,已存入提示词库")

break

elif st ==2:

print("任务失败:",ret["data"]["fail_reason"])

break

else:

print("处理中,等待3秒...")

time.sleep(3)

四、解析后的提示词库使用思路

解析之后,提示词库里面分成了原始全文、光线参数、分镜数组、风格标签。做视频生成的时候,可以自由组合:只拿光线 + 风格,替换主体内容;或者单独挑选某一个分镜的运镜描述,不用整段复制 content。还可以给库增加标签字段,比如 “产品展示”“短剧”“vlog”,后续支持关键词检索。

【相关 FAQ】

问题 1:视频反推提示词 API 的 content 字段一定会返回结构化分镜吗?

回答 1:不一定,content 是模型生成文本,部分视频反推结果格式杂乱,没有固定分镜标题,写 Python 解析逻辑的时候要加容错,如果正则匹配失败,直接保存原始 content 到提示词库,避免程序报错中断。

问题 2:视频反推提示词 API 返回的 content 可以直接给可灵、即梦这类视频模型使用吗?

回答 2:可以直接使用原始 content,但是效果不如解析后的结构化提示词,解析后我们可以过滤冗余描述、调整语序,适配不同视频模型的提示词偏好,提示词库的价值就在这里。

问题 3:Python 解析视频反推提示词 API 的 content 存入提示词库,用 json 存储还是数据库更好?

回答 3:少量测试用 json 文件做提示词库最简单,代码改动最小;如果大批量采集视频、需要标签检索、多用户调用,建议换成 sqlite 或者 mysql 存储解析后的 content 结构化数据。

【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 --AI 数据湖服务)火山引擎文档中心

【免责声明】

本文仅为技术实战演示,文中 API 接口、返回字段、计费规则以接口官方最新文档为准;调用第三方视频反推提示词 API 请遵守平台协议、版权法规,不要解析无授权的他人视频;示例 Python 代码仅用于学习 content 解析逻辑,不承诺在所有环境、所有服务商接口直接稳定运行。

今日大家都在搜的词: