是否有视频内容总结以及一键生成字幕的方案

目前有一个4万元左右的AI盒子，其中有128G显存，想要实现上传视频然后总结视频内容。还想一键生成字幕，各位大佬是否有这种开源项目或者解决方案。

还有一个问题：是否有将视频内的人脸都记录下来，并且可以打上标签存入数据库中，下次方便通过人脸标签去搜索所在的视频以及出现的时间节点。有这样的解决方案吗