工作原理
Garfunkel 如何分析视频
粘贴链接，Garfunkel 就会把视频整理成一份清晰的报告：视频说了什么、画面里有什么、开场钩子是什么，以及与其他帖子相同的一组标签。如果你需要，还可以分析大家的反应。下面按顺序介绍每个步骤。
将此页面复制为 Markdown，可直接粘贴到 AI 助手中。
第 01 步，共 08 步
获取帖子
我们打开链接，获取视频以及平台显示的相关信息：标题文案、创作者，以及平台报告的观看量、点赞数、评论数和分享数。这些数据会按平台提供的原样保留，方便你之后据此排序和比较帖子。视频文件只会在处理期间暂存，分析完成后就会删除。
第 02 步，共 08 步
拆分视频
我们会检查视频是否带有音轨，然后把声音和画面分开，以便分别分析。声音会进入转录步骤，画面会进入抽帧步骤；生成帖子摘要时，两者再结合起来。
第 03 步，共 08 步
转录音频
语音模型会记录视频中说出的所有内容，并为每行文字标上时间戳，方便你查看说了什么、何时说的。带有人声的视频一定会先完成转录再分析。如果这一步失败，系统会重试，不会跳过；分析失败的帖子不会收费。
模型：Qwen3-ASR-0.6B · 一个开源语音识别模型
第 04 步，共 08 步
挑选画面
我们用抽帧算法减少要处理的画面数量，同时保留视频的整体含义。接下来的步骤中，AI 模型会结合转录文本查看保留下来的画面。
第 05 步，共 08 步
生成摘要
AI 模型会一边查看画面，一边阅读转录文本和标题文案，从而理解帖子的整体内容，而不是孤立地看某一部分。它会生成简短摘要，并按顺序梳理故事的每个片段，为每个片段标出对应的视频时刻。
模型：gpt-6.1-sol · 结合阅读转录文本和抽取的画面
第 06 步，共 08 步
找出开场钩子
模型会仔细查看视频开头的几秒，指出开场钩子是什么：吸引注意力的文字或画面、钩子的类型，以及它出现的时刻。模型还会说明钩子向观众作出了什么承诺、视频如何兑现这个承诺，以及它为什么有效。
模型：gpt-6.1-sol · 与生成摘要时使用同一模型、同一轮分析
第 08 步，共 08 步
分析评论
如果你选择分析评论，我们会收集评论，并让模型结合帖子的标题文案、摘要和转录文本逐条阅读。这样，模型就能根据视频实际说了什么、展示了什么来判断评论，并在报告中呈现哪些人认同、哪些人提出异议、大家问了什么，以及喜欢什么。
模型：gpt-6-luna · 结合帖子内容逐条阅读评论
上下文如何层层构建
每一步都会基于上一步的结果继续分析，因此后续步骤不会只看原始视频。下面是每一步会读取的内容。
- 01转录文本读取内容音轨
- 02摘要和开场钩子读取内容转录文本、配文和抽取的画面
- 03标签读取内容摘要、转录文本、配文和抽取的画面
- 04评论分析报告读取内容评论、配文、摘要和转录文本
每条帖子，结构一致
每条帖子都会按照固定的数据结构生成分析结果：字段相同，格式也一致。这样结果更一致、便于比较和排序筛选，也能轻松导出到电子表格、API 或 MCP。
{
"format": "Tutorial",
"theme": "Food & drink",
"emotion": ["Joy"],
"tone": ["Playful"],
"hook": { "type": "Demonstration", "start": 0.0, "end": 2.0, "text": "So here’s the trick…" },
"tags": ["home kitchen", "pan", "jump cuts"],
"transcript": [{ "start": 0.0, "end": 2.4, "text": "So here’s the trick…" }],
"comments": { "agree": 52, "push_back": 14, "questions": 18 }
}你会得到什么
- 摘要和按顺序梳理的内容
- 带时间戳的转录文本
- 开场钩子：是什么、何时出现，以及为什么有效
- 与其他帖子相同的一组标签
- 按需生成的评论分析报告
- 按含义搜索：根据帖子主题查找，而不只看帖子里出现了哪些词
- 导出到电子表格、API 和 MCP
分析完成后，视频文件会被删除。