大致流程是先用ytdlp把课程下载下来，然后再调用硅基流动的api做字幕，再分析字幕中的错误并错误，然后再做这样的网页，而且还要截取老师上课的很多切片来生图。我认为最薅Token的应该就是分析字幕，并且还要截取课程视频中的关键帧并且分析这些关键帧哪些地方画了重要的图像。不过刚刚看了一下分析28小时的视频居然只花了2