你的视频，变成带时间码的标注

# 命令行在本地抽出音轨和画面帧，再调用接口
pip install linkdigest-mcp            # 需要 ffmpeg + ffprobe
LINKDIGEST_API_KEY=ld_live_... linkdigest capture ./clip.mp4 --json

# 或者直接 HTTP：一个 audio、每帧一个 frames、一个 meta
curl -X POST https://linkdigest.dev/api/v1/capture \
  -H "Authorization: Bearer ld_live_..." \
  -F "audio=@audio.mp3;type=audio/mpeg" \
  -F "frames=@frame_00.jpg;type=image/jpeg" \
  -F 'meta={"page_url":"https://linkdigest.dev/app/upload","duration_seconds":600,"frame_times":[4]}'

curl "https://linkdigest.dev/api/v1/capture/JOB_ID?format=annotation" \
  -H "Authorization: Bearer ld_live_..."

也可以在控制台 /app/upload 直接拖文件。公开的小红书、抖音、B 站、YouTube 视频可以直接用链接读（POST /api/v1/digest，format: "annotation"），一批链接导出为 JSONL。完整说明见 中文文档。

上传按每段最多 10 分钟读，一段 11 积分，一小时 66 积分。折合美元看你怎么买积分：

通过 Stripe 收款（银行卡、支付宝）；中国大陆开票暂不支持。每月几百小时以上，请在下面的试用申请里写明。全部价格：/pricing。

• 每次上传最长 10 分钟，长视频请分段（试用可以整条给我们）。
• 上传时每 4 秒取一帧（每次最多 36 帧）描述；帧之间的动作不描述。
• 口播时间在模型听到的每一段里估算，标为 approx。
• 暂时没有动作/任务标签、手部或姿态追踪、深度。需要的格式请写在试用申请里。
• 视频文件不离开你的电脑；抽出的音轨和画面帧在任务结束后删除，标注只存在你的账户里。

🇦🇺此时一位留子正在制作她的下午茶 · 视频版权归小红书作者 Glen啦，此处只放链接、不转载视频；画面描述是 LinkDigest 自己读出的结果 · 读取于 2026-11-07 · 2 积分 · 40 秒 · 原视频

共 40 帧，下面均匀取 16 帧；画面描述是模型原样输出（英文）。没读到的部分（读取结果自己的说明）：no speech transcript: no speech was recognised in the audio；comments: the top 5 of 32 read from the share page; the rest of the thread not read。

接口返回的同一份结果（frames 只保留前三帧）：

{
  "version": "1",
  "source": "https://www.xiaohongshu.com/explore/6941175d000000001e02a118",
  "platform": "xiaohongshu",
  "title": "🇦🇺此时一位留子正在制作她的下午茶",
  "duration_seconds": 40,
  "depth": "full",
  "speech": [],
  "frames": [
    {
      "t": 0,
      "description": "A hand drops sliced ginger into a white pot containing fried shallots on a stove.",
      "ocr": "Glen啦\n小红书"
    },
    {
      "t": 1,
      "description": "Raw chicken pieces are poured from a white bowl into the pot with ginger and shallots.",
      "ocr": "Glen啦\n小红书"
    },
    {
      "t": 2,
      "description": "Raw chicken pieces fill the bottom of the white enameled pot on the stovetop.",
      "ocr": "Glen啦\n小红书"
    }
  ],
  "on_screen": [],
  "chapters": [],
  "key_points": [
    {
      "text": "视频展示了在澳大利亚的留学生制作菌菇鸡汤饭的过程。",
      "quote": "此时一位留子正在制作她的下午茶",
      "t": null,
      "verified": true
    },
    {
      "text": "这是一段关于做饭和美食制作的Vlog。",
      "quote": "#菌菇鸡汤饭[话题]#",
      "t": null,
      "verified": true
    },
    {
      "text": "作者认为这道菜味道无敌好吃。",
      "quote": "今天做鸡汤泡饭～ 无敌好吃",
      "t": null,
      "verified": true
    }
  ],
  "coverage": {
    "seconds_transcribed": 0,
    "duration_seconds": 40,
    "largest_frame_gap_seconds": 1,
    "images_read": null,
    "images_total": null,
    "transcript_source": "none",
    "not_captured": [
      "no speech transcript: no speech was recognised in the audio",
      "comments: the top 5 of 32 read from the share page; the rest of the thread not read"
    ],
    "links_found": 0
  }
}

写清楚在训练什么、每月大约多少小时、需要什么格式。会有人当天回复，并先免费标注一小段你们自己的视频作为试用。

标注里有什么？什么格式？

每条视频一个 JSON：带时间的口播逐字稿、每 4 秒一帧的画面描述和这一帧里能看到的文字、画面文字的开始和结束时间、带原文核对的要点。批量导出是 JSONL，一行一条视频。

一小时视频多少钱？

上传按每段最多 10 分钟读；一段 11 积分，一小时 66 积分，折合 Studio 月付 $0.92、大包 $1.29、Dev 月付 $1.19、积分包 $1.32。读不出内容的段不按时长扣费。注册送 10 积分，不用绑卡。

你们会保存我们的视频吗？

不会。视频文件本身不离开你的电脑：网页或命令行在本地抽出音轨和画面帧，只上传这些；任务结束后服务端就删除。标注结果只存在你的账户里，不公开、不给任何别人。

能做长视频、动作标签、手部追踪吗？

目前每次上传最长 10 分钟，长视频请分段（申请试用的可以整条给我们）。口播时间是在模型听到的每一段里估算的，标为 approx。暂时没有动作/任务标签，也没有手部或姿态追踪；你需要的标注格式请写在试用申请里，这决定下一步做什么。

怎么付款？能开发票吗？

通过 Stripe 收款（银行卡、支付宝），按美元或人民币计价。中国大陆增值税发票暂时开不了，需要发票的团队请在申请里说明。