用途
byted-mediakit-video 是一个面向视频文件的智能处理与理解技能集合,所属来源为 volcengine/mediakit-cli。其目标覆盖视频增强、视频分析理解、视频内容结构化、从视频提取字幕、语音转字幕、隐私保护、精彩片段与高光拆条、剧情结构化与剧本整理、场景与语义分段、画面文字识别、视频转码转封装及抠像换脸等方向。
主要能力
根据资料提供的工具列表,该技能包含以下能力:
- 视频暗水印:add-video-invisible-watermark 用于视频暗水印添加,将数字信息隐藏式嵌入视频文件,适用于版权保护、泄露溯源、真实性校验等场景;extract-video-invisible-watermark 用于从已嵌入暗水印的视频中解析并还原隐藏信息,若多次嵌入也能提取出所有水印信息。
- 高光与拆条分析:analyze-video-highlights 支持短剧 Miniseries 和小游戏 Game 两种分析模型,输出精准时间戳、高光打分、OCR 文本和画面描述;generate-highlights-microdrama 用于短剧高光智剪,按时长、产出个数、顺剪或跳剪等要求生成高光混剪、单集预告;generate-highlights-minigame 识别小游戏录屏中的核心玩法与高光事件并生成买量推广素材;generate-highlights-movie 面向电影、电视剧等长视频,按剧情故事线识别高光并拆分指定时长片段。
- 剧情与剧本结构化:analyze-video-storyline 基于大模型视频理解分析单个或多个长视频并生成结构化剧情数据;drama-script 将短剧视频转化为结构化剧本文本,识别场景、人物、对话和情节。
- 解说视频生成:drama-recap 基于已完成的剧本还原任务,可用自定义或 AI 自动生成解说词,生成带 AI 配音与解说字幕的营销或解说视频;drama-recap-vertical 自动提取高光片段并生成全新解说视频,支持文字解说与旁白解说两种形式。
- 字幕与语音:asr-subtitles 从视频或音频语音中识别并提取带时间戳的字幕文本;video-ocr 识别视频画面中的字幕信息并输出带时间戳文本;erase-video-subtitle 智能检测并擦除画面中已有硬字幕;erase-video-subtitle-pro 为精细化版字幕擦除。
- 画质治理:assess-video-quality 用于视频画质检测;enhance-video 提供 standard 和 professional 两种版本,standard 内置 10 余种增强算法,professional 内置 30 余种深度 AI 增强算法;enhance-video-fast 集成轻量级超分与智能画质增强;enhance-video-generative 基于扩散大模型提供生成式增强与修复;martencode-video 在转码时智能分析场景、动作、内容和纹理,选择最优编码参数。
- 隐私保护与人物处理:face-blur-video 自动识别人脸区域并进行模糊或马赛克处理;face-swap-video 将目标人脸融合替换到视频中人物上;matte-portrait-video 识别人物主体并移除背景;matte-greenscreen-video 对绿幕或纯色背景视频抠图。
- 分段与元信息:segment-scenes 依据转场和画面内容变化切分场景片段;semantic-segment 综合画面、语音和叙事结构切分长视频;probe-video-metadata 探测视频 URL 并输出标准化媒资元信息;extract-frames 从视频中抽取截图。
- 转码与转封装:transcode-video 将视频码流转换为另一视频码流;remux-video 仅修改容器格式,不重新编解码。
- 通用理解:video-understand-router 基于视觉大模型对视频 URL 列表进行通用内容分析,输出视频级别结构化理解结果。
使用方式
使用规则包括:先读取 ../byted-mediakit-shared/SKILL.md 并执行统一前置检查,该 Skill 缺失时停止并提示安装;只从 video 域工具列表选择工具;执行前按需读取对应 reference,参数与结果说明以已审核文案为准,完整机器合同以当前 CLI --schema 为准;缺少必填参数、鉴权环境变量或真实输入资源时向用户索取;通用可选字段只能透传用户明确提供的值,其他可选字段可由明确意图准确确定但不得伪造;执行时设置 MEDIAKIT_SURFACE=skill,并将 MEDIAKIT_RUNTIME 设置为当前 Agent 宿主。
各工具通过 mediakit-cli video <command> 形式调用,具体命令如 mediakit-cli video enhance-video、mediakit-cli video asr-subtitles 等。
适用场景
适用于视频画质增强与修复、视频内容分析与理解、长视频与短剧内容结构化、高光片段提取与混剪生成、语音转字幕与画面字幕识别、字幕擦除、暗水印添加与提取、人脸打码与换脸、人物与绿幕抠像、场景与语义分段、媒资元信息探测、抽帧、转码与转封装等场景。
限制
资料未提供具体收费、价格、平台支持范围、性能指标或效果保证等信息,暂未提供。若仅说明有视频而未说明业务目标,应先澄清;明确要把字幕或图片叠加压制到成片、或做裁剪、拼接、混音、合流、调速、转场、画面旋转翻转、视频滤镜或多视频拼画面的成片编辑诉求应路由到 editing;单张图片处理应路由到 image;音频转码、人声分离或语音端点检测应路由到 audio。各工具支持模式标注为 Cloud,部分标注 Cloud / Local,具体以资料标注为准。