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

# 媒体处理

> 生成和理解图像、视频、语音和言语

export const CodePrompt = ({children}) => {
  const [isCopied, setIsCopied] = useState(false);
  const textContent = useMemo(() => {
    const extractText = (children, depth = 0) => {
      const maxDepth = 10;
      if (depth > maxDepth) return '';
      if (children == null) return '';
      if (typeof children === 'string' || typeof children === 'number') {
        return String(children);
      }
      if (Array.isArray(children)) {
        return children.map(child => extractText(child, depth + 1)).join('');
      }
      if (typeof children === 'object' && children.props) {
        return extractText(children.props.children, depth + 1);
      }
      return '';
    };
    return extractText(children);
  }, [children]);
  const handleAskManus = useCallback(() => {
    const url = new URL('https://manus.im');
    if (textContent) {
      url.searchParams.set('q', textContent);
      url.searchParams.set('submit', '1');
    }
    window.open(url.toString(), '_blank');
  }, [textContent]);
  const handleCopy = useCallback(async () => {
    try {
      await navigator.clipboard.writeText(textContent);
      setIsCopied(true);
      setTimeout(() => {
        setIsCopied(false);
      }, 2000);
    } catch (err) {
      const textArea = document.createElement('textarea');
      textArea.value = textContent;
      textArea.style.position = 'fixed';
      textArea.style.opacity = '0';
      document.body.appendChild(textArea);
      textArea.select();
      try {
        document.execCommand('copy');
        setIsCopied(true);
        setTimeout(() => {
          setIsCopied(false);
        }, 2000);
      } catch (fallbackErr) {
        console.error(fallbackErr);
      }
      document.body.removeChild(textArea);
    }
  }, [textContent]);
  return <div className="code-block mt-5 mb-8 not-prose rounded-2xl relative group text-gray-950 dark:text-gray-50 codeblock-light border border-gray-950/10 dark:border-white/10 dark:twoslash-dark bg-transparent dark:bg-transparent">
      <div className="absolute top-3 right-4 flex items-center gap-1.5">
        <div className="z-10 relative">
          <button onClick={handleCopy} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/copy-button " data-testid="copy-code-button" aria-label="Copy the contents from the code block">
            {isCopied ? <svg width="16" height="11" viewBox="0 0 16 11" fill="none" xmlns="http://www.w3.org/2000/svg" class="fill-primary dark:fill-primary-light">
                <path d="M14.7813 1.21873C15.0751 1.51248 15.0751 1.98748 14.7813 2.2781L6.53135 10.5312C6.2376 10.825 5.7626 10.825 5.47197 10.5312L1.21885 6.28123C0.925098 5.98748 0.925098 5.51248 1.21885 5.22185C1.5126 4.93123 1.9876 4.9281 2.27822 5.22185L5.99697 8.9406L13.7188 1.21873C14.0126 0.924976 14.4876 0.924976 14.7782 1.21873H14.7813Z"></path>
              </svg> : <svg width="18" height="18" viewBox="0 0 18 18" fill="none" xmlns="http://www.w3.org/2000/svg" className="w-4 h-4 text-gray-400 group-hover/copy-button:text-gray-500 dark:text-white/40 dark:group-hover/copy-button:text-white/60">
                <path d="M14.25 5.25H7.25C6.14543 5.25 5.25 6.14543 5.25 7.25V14.25C5.25 15.3546 6.14543 16.25 7.25 16.25H14.25C15.3546 16.25 16.25 15.3546 16.25 14.25V7.25C16.25 6.14543 15.3546 5.25 14.25 5.25Z" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
                <path d="M2.80103 11.998L1.77203 5.07397C1.61003 3.98097 2.36403 2.96397 3.45603 2.80197L10.38 1.77297C11.313 1.63397 12.19 2.16297 12.528 3.00097" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
              </svg>}
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            {isCopied ? 'Copied' : 'Copy'}
          </div>
        </div>
        <div className="z-10 relative">
          <button onClick={handleAskManus} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/ask-manus " id="ask-ai-code-block-button" aria-label="Ask Manus">
            <svg xmlns="http://www.w3.org/2000/svg" width="18" height="18" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" className="w-4 h-4 text-gray-400 group-hover/ask-manus:text-gray-500 dark:text-white/40 dark:group-hover/ask-manus:text-white/60">
              <path d="M22 17a2 2 0 0 1-2 2H6.828a2 2 0 0 0-1.414.586l-2.202 2.202A.71.71 0 0 1 2 21.286V5a2 2 0 0 1 2-2h16a2 2 0 0 1 2 2z" />
              <path d="M12 8v6" />
              <path d="M9 11h6" />
            </svg>
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            Ask Manus
          </div>
        </div>
      </div>

      <div className="w-0 min-w-full max-w-full py-3.5 px-4 h-full dark:bg-codeblock relative text-sm leading-6 children:!my-0 children:!shadow-none children:!bg-transparent transition-[height] duration-300 ease-in-out code-block-background [&_*]:ring-0 [&_*]:outline-0 [&_*]:focus:ring-0 [&_*]:focus:outline-0 [&_pre>code]:pr-[3rem] [&_pre>code>span.line-highlight]:min-w-[calc(100%+3rem)] [&_pre>code>span.line-diff]:min-w-[calc(100%+3rem)] rounded-2xl bg-white overflow-x-auto scrollbar-thin scrollbar-thumb-rounded scrollbar-thumb-black/15 hover:scrollbar-thumb-black/20 active:scrollbar-thumb-black/20 dark:scrollbar-thumb-white/20 dark:hover:scrollbar-thumb-white/25 dark:active:scrollbar-thumb-white/25" style={{
    fontVariantLigatures: 'none',
    height: 'auto',
    backgroundColor: 'rgb(255, 255, 255)'
  }}>
        <div className="font-mono whitespace-pre leading-6">{children}</div>
      </div>
    </div>;
};

Manus 可处理多种媒体类型——生成图像、理解视频内容、创建语音输出以及转录言语。在您的工作流程中无缝结合文本、图像、视频和音频。

<iframe src="https://www.youtube.com/embed/U_prPA93hXA" title="YouTube 视频播放器" frameborder="0" className="w-full aspect-video rounded-xl" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen />

## 功能概览

| 功能        | 作用          | 示例用途       |
| :-------- | :---------- | :--------- |
| **图像生成**  | 根据描述创建自定义图像 | 产品模型、插图、图表 |
| **图像理解**  | 分析并提取图像中的信息 | 文档扫描、视觉分析  |
| **视频理解**  | 分析视频内容并提取见解 | 会议记录、内容分析  |
| **语音输出**  | 将文本转换为自然语音  | 配音、音频内容    |
| **语音转文本** | 将音频转录为文本    | 会议纪要、访谈记录  |

***

## 图像生成

### 快速开始

> "生成一张现代简约风格的办公空间图像
> 具有自然采光和植物"

<CodePrompt>
  "创建一个产品模型，在 iPhone 上展示我们的移动应用，
  专业摄影风格"
</CodePrompt>

<CodePrompt>
  "生成一张图表，显示我们的客户旅程从
  认知到购买的过程"
</CodePrompt>

### 常见用途

**产品视觉效果**:

* 产品模型和原型
* 功能插图
* UI/UX 概念

**营销素材**:

* 社交媒体图形
* 博客文章插图
* 广告创意

**演示文稿**:

* 自定义幻灯片背景
* 概念插图
* 视觉隐喻

**图表和图形**:

* 流程图
* 系统架构
* 信息图

### 提升图像质量的技巧

**明确风格要求**:

* ✅ "极简主义、现代、专业摄影"
* ✅ "扁平化设计插图，鲜艳色彩"
* ❌ "让它看起来不错"

**描述构图**:

* ✅ "主体居中，背景模糊，自然光照"
* ❌ "...的一张图片"

**指定用途**:

* ✅ "用于 Instagram 帖子，方形格式，粗体文字叠加"
* ✅ "用于演示幻灯片，宽屏格式，柔和背景"

***

## 图像理解

### 快速入门

<CodePrompt>
  "分析此截图并提取所有文本"
</CodePrompt>

(上传图片)

<CodePrompt>
  "此目录页中显示了哪些产品？
  提取名称和价格。"
</CodePrompt>

(上传图片)

<CodePrompt>
  "详细描述此图像中正在发生的事情"
</CodePrompt>

(上传图片)

### 常见用途

**文档处理**:

* 从截图中提取文本
* 阅读手写笔记
* 解析收据和发票

**视觉分析**:

* 识别照片中的物体
* 分析图表和图形
* 描述图像内容

**质量控制**:

* 检查产品照片是否存在问题
* 验证图像内容
* 比较视觉差异

### 示例任务

<CodePrompt>
  "从这 10 张产品图片中提取所有文本并创建电子表格"
</CodePrompt>

<CodePrompt>
  "分析此图表图像并将其重新创建为可编辑图表
  使用相同数据"
</CodePrompt>

<CodePrompt>
  "比较这两张产品照片并列出差异"
</CodePrompt>

***

## 视频理解

### 快速入门

<CodePrompt>
  "转录此会议录音并创建摘要
  附带行动项目"
</CodePrompt>

(上传视频文件或提供 URL)

<CodePrompt>
  "观看此产品演示视频并提取：提及的关键功能、
  定价信息和目标受众"
</CodePrompt>

<CodePrompt>
  "分析此教程视频并创建分步书面指南"
</CodePrompt>

### 常见用途

**会议处理**:

* 转录会议
* 提取行动项目
* 总结讨论

**内容分析**:

* 分析竞争对手的视频
* 从教程中提取要点
* 查看产品演示

**文档**:

* 将视频教程转换为文本指南
* 创建长视频摘要
* 提取引用和时间戳

### 示例任务

<CodePrompt>
  "转录这个 1 小时的网络研讨会并创建:

  * 完整转录稿
  * 执行摘要
  * 关键要点（项目符号）
  * 问答部分"
</CodePrompt>

<CodePrompt>
  "观看这 5 个竞争对手的产品视频并创建功能对比
  表"
</CodePrompt>

***

## 语音输出

### 快速开始

<CodePrompt>
  "将这篇博客文章转换为具有自然语音旁白的音频文件"
</CodePrompt>

<CodePrompt>
  "以专业、友好的语气为这个演示文稿脚本创建画外音,
  友好的语气"
</CodePrompt>

<CodePrompt>
  "为我们的网站生成这 10 个产品描述的音频版本
  为我们的网站"
</CodePrompt>

### 常见用途

**内容创作**:

* 将播客脚本转换为音频
* 将博客文章转换为音频版本
* 视频画外音

**可访问性**:

* 书面内容的音频版本
* 屏幕阅读器替代方案
* 音频指南

**营销**:

* 广告画外音
* 产品演示旁白
* 社交媒体音频内容

### 语音选项

**语调**: 专业、友好、休闲、活力、平静**语速**: 快、适中、慢**风格**: 对话式、正式、教育性、宣传性

***

## 语音转文本

### 快速入门

<CodePrompt>
  "转录这段采访录音"
</CodePrompt>

(上传音频文件)

<CodePrompt>
  "将此播客剧集转换为带有说话人标签的文本"
</CodePrompt>

<CodePrompt>
  "转录这 20 个客户支持电话并识别
  提及的常见问题"
</CodePrompt>

### 常见用途

**会议记录**：

* 自动转录会议
* 创建可搜索的会议存档
* 提取行动项目

**内容再利用**：

* 将播客转换为博客文章
* 从音频创建节目笔记
* 生成社交媒体引用

**研究**：

* 转录访谈
* 分析客户电话
* 处理焦点小组录音

### 功能

* **说话人识别**: 区分说话人
* **时间戳**: 标记说话时间
* **格式化**: 正确的标点符号和分段
* **准确性**: 即使有口音或背景噪音，准确性也很高

***

## 组合多种模式

Manus 可以在单个工作流程中组合这些功能：

### 示例 1：视频转博客文章

<CodePrompt>
  "观看此产品演示视频，将其转录，提取关键功能，
  在重要时刻生成屏幕截图，并创建包含图像和文本的博客文章"
  with images and text"
</CodePrompt>

### 示例 2：带画外音的演示文稿

<CodePrompt>
  "创建关于我们产品的 10 张幻灯片演示文稿。为每张幻灯片生成自定义
  插图。然后为整个演示文稿创建画外音脚本和
  音频旁白。"
</CodePrompt>

### 示例 3：图像分析到报告

<CodePrompt>
  "分析这 50 张产品照片，提取文本和产品详细信息，
  生成比较图表，并创建包含调查结果的幻灯片演示文稿"
</CodePrompt>

***

## 常见问题

**支持哪些图像格式？** PNG、JPG、WEBP、GIF 等。对于生成，您可以指定格式。

**视频可以多长？** Manus 可以处理长达数小时的视频。较长的视频需要更多时间。

**哪些音频格式可用于转录？** MP3、WAV、M4A、WEBM 和大多数常见的音频格式。

**我可以生成特定尺寸的图像吗？** 是的。指定尺寸：“生成一个 1920x1080 的图像...”或“用于 Instagram 的方形格式...”

**语音转录的准确性如何？** 准确性非常高，即使有口音、多人说话或背景噪音。

**我可以生成视频吗？** 是的。Manus 可以生成短视频片段和动画。

**生成有限制吗？** 生成使用积分。请查看您的计划以了解限制。

***

## 快速使用案例

| 使用案例       | 输入     | 输出      |
| :--------- | :----- | :------ |
| **产品模型**   | 描述     | 生成的图像   |
| **会议记录**   | 视频录制   | 转录 + 摘要 |
| **博客音频**   | 文本文章   | 音频旁白    |
| **文档扫描**   | 文档照片   | 提取的文本   |
| **视频分析**   | 竞争对手视频 | 功能比较    |
| **播客节目笔记** | 音频文件   | 转录 + 摘要 |
| **社交图片**   | 描述     | 自定义图像   |

***

**总结**: Manus 可无缝处理多种媒体类型。生成图像、理解视频、创建语音输出和转录语音——所有这些都集成到您的工作流程中。
