> ## Documentation Index
> Fetch the complete documentation index at: https://docs.moxus.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 视频理解

> 分析视频画面、字幕、动作和片段结构，生成摘要、问答或结构化结果。

视频理解适合处理短视频片段、课程录屏、产品演示、监控摘要和多媒体内容审核。根据模型能力，你可以直接输入视频，或把视频拆成画面帧与字幕分别处理。

## 典型任务

* 片段摘要：说明视频主要内容、关键节点和结论。
* 画面问答：针对特定时间点或画面提出问题。
* 动作识别：分析人物动作、流程步骤或事件发生顺序。
* 字幕校对：结合画面内容和已有字幕修正错别字、时间点与上下文。

## 接入建议

<Info>
  如果当前模型不支持直接视频输入，可以先抽取关键帧使用图像理解，再把关键帧说明、字幕和时间点交给文本模型汇总。
</Info>

## 后续阅读

* [图像理解](/zh/overview/modules/image-understanding)
* [多模块总览](/zh/overview/multimodal)