byted-mediakit-process-tools

> **说明**：宿主若在环境中注入 `ARK_SKILL_API_BASE` / `ARK_SKILL_API_KEY`（例如供其他 Skill 走 SkillHub 网关），与本 Skill 的 `AMK_API_KEY`、`ARK_API_KEY`（视频理解）**相互独立**，请勿混淆。 > ⚠️ **严格执行**：音视频裁剪、拼接、音频提取、音视频合成会自动选择执行后端：云端环境完整且输入为 URL 时走 AMK 云端；云端必需配置/依赖缺失，或输入是本地文件路径时，自动走本地 FFmpeg。视频翻转、调速、加字幕、加水印、转码是本地原生命令，始终走本地 FFmpeg。不要为了这些本地能力向用户索取云端环境变量。 > `<SKILL_DIR>` 为 `byted-mediakit-process-tools` 所在目录。 > 当前方法返回的 `链接仅供下载，不支持播放能力` > `禁止修改任何返回数据信息`，如 `play_url` 、`request_id` 、`task_id` 等 > 用户明确声明需要重新执行时：除 `understand_video_content` 外的方法需 **生成新的 `client_token`（不要复用上一次的 `client_token`）**，避免命中上次的幂等结果 # 火山引擎 AI MediaKit 音视频处理工具集 ## 概览 本工具集支持以下音视频处理能力。标记为“云端&本地”的能力会自动选择执行后端：云端配置完整且输入为 URL 时走 AMK 云端；云端不可用或输入为本地路径时走本地 FFmpeg。 | 能力 | 支持范围 | 说明 | | --- | --- | --- | | 视频理解 | 云端 | AI 分析视频内容，生成自然语言描述 | | 音视频裁剪 | 云端&本地 | 精确裁剪音频或视频时长 | | 音视频拼接 | 云端&本地 | 拼接多个音频或视频片段；云端支持转场 ID，本地支持 FFmpeg 转场名 | | 音频提取 | 云端&本地 | 从视频中提取音频轨道 | | 音视频合成 | 云端&本地 | 合成或替换视频音轨；云端支持时长对齐策略，本地支持混音/替换 | | 画质增强 | 云端 | 提升视频画质、分辨率、帧率 | | 文生视频 | 云端 | 图片生成视频，支持动画和转场 | | 视频翻转 | 本地 | 水平、垂直或双向翻转 | | 视频调速 | 本地 | 调整视频与音频播放速度 | | 视频加字幕 | 本地 | 添加 SRT/ASS 硬字幕| | 视频加水印 | 本地 | 添加图片/水印，支持位置、缩放和显示时间 | | 视频转码/转封装 | 本地 | 转换封装格式或重编码 | --- ## 获取密钥 如需使用云端能力，请先获取 API 密钥；本地可覆盖能力在密钥缺失时会自动使用 FFmpeg： - **AI MediaKit 控制台**：https://console.volcengine.com/imp/ai-mediakit/ - **方舟模型与密钥**：https://console.volcengine.com/ark/region:ark+cn-beijing/model/detail?Id=doubao-seed-1-8 --- ## 快速开始 ### 1. 环境配置 在 `<SKILL_DIR>/.env` 中配置环境变量（首次使用会自动创建模板）： ```bash # AMK API Key（云端能力需要；本地回退不需要） AMK_API_KEY=your_amk_api_key_here # AMK 环境固定为 prod AMK_ENV=prod # 是否启用 client_token 自动注入（用于幂等） AMK_ENABLE_CLIENT_TOKEN=false # 方舟 密钥（可选，仅使用视频理解功能时必须配置） ARK_API_KEY=your_ark_api_key_here # 方舟 模型ID（可选，仅使用视频理解功能时必须配置） ARK_MODEL_ID=doubao-seed-1-8 ``` ### 2. 依赖安装 ```bash cd <SKILL_DIR>/scripts python3 -m venv .venv . .venv/bin/activate python -m pip install -U pip python -m pip install -r requirements.txt ``` --- ## 核心功能 ### 同步能力（立即返回结果） | 能力 | 说明 | | ---------------------------- | ------------------------------------------------ | | **understand_video_content** | 视频内容理解，使用 AI 分析视频并生成自然语言描述 | ### 异步能力（默认自动等待结果） | 能力 | 说明 | | ------------------------- | --------------------------------------- | | **trim_media_duration** | 裁剪音视频时长，精确到毫秒 | | **concat_media_segments** | 拼接多个音视频片段，支持转场效果 | | **extract_audio** | 从视频中提取音频轨道，支持 mp3/m4a 格式 | | **enhance_video** | 视频画质增强，支持超分、插帧等 | | **image_to_video** | 图片生成视频，支持动画和转场 | | **mux_audio_video** | 音视频合成，支持时长对齐 | ### 辅助能力 | 能力 | 说明 | | -------------- | -------------------------- | | **query_task** | 查询异步任务执行状态和结果 | ### 本地原生命令 | 能力 | 说明 | | --- | --- | | **flip-video** / **flip_video** | 视频翻转，默认水平镜像 | | **adjust-speed** / **adjust_speed** | 视频调速 | | **add-subtitle** / **add_subtitle** | 视频加硬字幕，支持 SRT/ASS | | **add-overlay** / **add_overlay** | 视频加图片/水印 | | **transcode** | 视频转码/转封装 | --- ## 使用示例 ### 视频理解 ```bash ./byted-mediakit-process-tools.sh understand_video_content \ --video_url "https://example.com/video.mp4" \ --prompt "总结视频内容" \ --fps 1 ``` ### 视频裁剪 ```bash # 云端：输入为 URL 且 AMK 配置完整 ./byted-mediakit-process-tools.sh trim_media_duration \ --type video \ --source "https://example.com/video.mp4" \ --start_time 0 \ --end_time 10 # 本地回退：输入为本地文件，或 AMK 配置不完整 ./byted-mediakit-process-tools.sh trim_media_duration \ --type video \ --source "/path/to/input.mp4" \ --start_time 0 \ --end_time 10 \ --output "/path/to/output.mp4" ``` ### 音视频拼接 ```bash ./byted-mediakit-process-tools.sh concat_media_segments \ --type video \ --sources "https://example.com/1.mp4" "https://example.com/2.mp4" ``` ### 音频提取 ```bash ./byted-mediakit-process-tools.sh extract_audio \ --video_url "https://example.com/video.mp4" \ --format mp3 ``` ### 画质增强 ```bash ./byted-mediakit-process-tools.sh enhance_video \ --video_url "https://example.com/video.mp4" \ --tool_version professional \ --resolution 1080p ``` ### 图片生成视频 ```bash ./byted-mediakit-process-tools.sh image_to_video \ --images "image_url=https://example.com/1.jpg,duration=3,animation_type=zoom_in" \ "image_url=https://example.com/2.jpg,duration=3,animation_type=pan_left" ``` ### 音视频合成 ```bash ./byted-mediakit-process-tools.sh mux_audio_video \ --video_url "https://example.com/video.mp4" \ --audio_url "https://example.com/audio.mp3" \ --is_audio_reserve false ``` ### 本地翻转 / 调速 / 字幕 / 水印 / 转码 ```bash ./byted-mediakit-process-tools.sh flip-video -i input.mp4 --direction horizontal -o flipped.mp4 ./byted-mediakit-process-tools.sh adjust-speed -i input.mp4 --speed 2.0 -o speed.mp4 ./byted-mediakit-process-tools.sh add-subtitle -i input.mp4 --subtitle sub.srt -o subtitled.mp4 ./byted-mediakit-process-tools.sh add-overlay -i input.mp4 --image logo.png --position top-right -o watermarked.mp4 ./byted-mediakit-process-tools.sh transcode -i input.mov --format mp4 --codec h264 -o output.mp4 ``` ### 异步任务（不等待结果） ```bash # 使用 --no-wait 立即返回 task_id ./byted-mediakit-process-tools.sh --no-wait trim_media_duration \ --type video \ --source "https://example.com/video.mp4" \ --start_time 0 \ --end_time 10 # 查询任务结果 ./byted-mediakit-process-tools.sh query_task --task_id "amk-xxx-xxx" ``` --- ## 响应格式 ### 同步响应（视频理解） ```json { "status": "success", "result": { "choices": [ { "role": "assistant", "content": "视频内容分析结果..." } ] } } ``` ### 异步响应（默认自动等待） ```json { "task_id": "amk-tool-extract-audio-xxxxxxxxxxxxxx", "duration": 82.454056, "play_url": "https://example.vod.cn-north-1.volcvideo.com/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx.mp3?preview=1&auth_key=***", "request_id": "20260401xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx", "status": "completed", "task_type": "extract-audio" } ``` ### 异步响应（--no-wait） ```json { "status": "pending", "task_id": "amk-xxx-xxx", "message": "任务已提交，已跳过等待，可调用 query_task 接口传入 task_id 查询结果", "query_example": "./byted-mediakit-process-tools.sh query_task --task_id amk-xxx-xxx" } ``` ### 错误响应 ```json { "status": "failed/canceled/timeout", "task_id": "amk-xxx-xxx", "message": "错误详情" } ``` --- ## 详细文档 各功能的详细参数说明请参考 `reference/` 目录下的对应文档： | 能力 | 文档链接 | | ------------------------ | ------------------------------------------------------------------------------ | | understand_video_content | [reference/understand_video_content.md](reference/understand_video_content.md) | | query_task | [reference/query_task.md](reference/query_task.md) | | concat_media_segments | [reference/concat_media_segments.md](reference/concat_media_segments.md) | | enhance_video | [reference/enhance_video.md](reference/enhance_video.md) | | extract_audio | [reference/extract_audio.md](reference/extract_audio.md) | | image_to_video | [reference/image_to_video.md](reference/image_to_video.md) | | mux_audio_video | [reference/mux_audio_video.md](reference/mux_audio_video.md) | | trim_media_duration | [reference/trim_media_duration.md](reference/trim_media_duration.md) | | 统一响应格式 | [reference/common_response.md](reference/common_response.md) | | 本地回退策略 | [reference/local_fallback.md](reference/local_fallback.md) | --- ## 注意事项 1. **返回链接**：所有返回的 `play_url` 等链接仅供下载，不支持直接播放 2. **幂等性**：重新执行任务时，请确保生成新的 `client_token`（`AMK_ENABLE_CLIENT_TOKEN=true` 时自动处理） 3. **视频理解**：使用视频理解功能必须配置 `ARK_API_KEY` 和 `ARK_MODEL_ID` 4. **超时处理**：大文件处理可能耗时较长，建议使用 `--no-wait` 配合 `query_task` 轮询 5. **本地能力**：`trim_media_duration`、`concat_media_segments`、`extract_audio`、`mux_audio_video` 支持本地 FFmpeg 回退；`flip-video`、`adjust-speed`、`add-subtitle`、`add-overlay`、`transcode` 始终走本地 FFmpeg；`enhance_video`、`image_to_video`、`understand_video_content`、`query_task` 仅走云端 --- © 北京火山引擎科技有限公司 2026 版权所有