byted-mediakit-voiceover-editing

Volcano Engine AI MediaKit talking-head video editing Skill: a one-stop workflow from environment setup through media management, audio processing, talking-head cuts, video export, review UI, and iterative refinement. You MUST invoke this Skill when the user mentions talking-head editing, cutting talking video, video editing, removing pauses, processing audio, exporting talking video, automatic editing, removing verbal slips, or similar. Also invoke when the user uploads video or audio and asks for editing.

Ir a la instalación

Repositorio: bytedance/agentkit-samples
Última actividad en el origen: 30 de abril de 2026 a las 07:25
Idioma detectado de SKILL.md: chino
Estrellas: 424
Forks: 88

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.

npx skills add https://github.com/bytedance/agentkit-samples --skill byted-mediakit-voiceover-editing

El comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.

¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Explorador de archivos

60 archivos

SKILL.md

Instrucciones de origen · Vista previa de solo lectura

Volver a la búsqueda Volver a la instalación

模式

说明

所需环境变量

ASR 方式

apig

SkillHub 网关代理，Bearer Token 认证

ARK_SKILL_API_BASE + ARK_SKILL_API_KEY（容器注入）+ VOLC_SPACE_NAME + ASR_API_KEY + ASR_BASE_URL

豆包语音大模型

cloud

直连火山引擎 OpenAPI，HMAC 签算

VOLC_ACCESS_KEY_ID + VOLC_ACCESS_KEY_SECRET + VOLC_SPACE_NAME + ASR_API_KEY + ASR_BASE_URL

豆包语音大模型

local

完全本地执行，无需云端服务

无（可选 EXECUTION_MODE=local）

Qwen3-ASR 本地推理

用户表达

识别为

操作

"用本地模式" / "不走云端" / "离线处理"

EXECUTION_MODE=local

写入 .env 或传 --mode local

"用云端" / "用火山引擎" / "走 AK/SK"

EXECUTION_MODE=cloud

写入 .env 或传 --mode cloud

模式

说明

所需环境变量

ASR 方式

apig

SkillHub 网关代理，Bearer Token 认证

ARK_SKILL_API_BASE + ARK_SKILL_API_KEY（容器注入）+ VOLC_SPACE_NAME + ASR_API_KEY + ASR_BASE_URL

豆包语音大模型

cloud

直连火山引擎 OpenAPI，HMAC 签算

VOLC_ACCESS_KEY_ID + VOLC_ACCESS_KEY_SECRET + VOLC_SPACE_NAME + ASR_API_KEY + ASR_BASE_URL

豆包语音大模型

local

完全本地执行，无需云端服务

无（可选 EXECUTION_MODE=local）

Qwen3-ASR 本地推理

用户表达

识别为

操作

"用本地模式" / "不走云端" / "离线处理"

EXECUTION_MODE=local

写入 .env 或传 --mode local

"用云端" / "用火山引擎" / "走 AK/SK"

EXECUTION_MODE=cloud

写入 .env 或传 --mode cloud

name	byted-mediakit-voiceover-editing
display_name	口播视频智能精剪工具
version	1.0.9
description	Volcano Engine AI MediaKit talking-head video editing Skill: a one-stop workflow from environment setup through media management, audio processing, talking-head cuts, video export, review UI, and iterative refinement. You MUST invoke this Skill when the user mentions talking-head editing, cutting talking video, video editing, removing pauses, processing audio, exporting talking video, automatic editing, removing verbal slips, or similar. Also invoke when the user uploads video or audio and asks for editing.
category	音视频处理
env	[{"name":"ARK_SKILL_API_BASE","description":"SkillHub VOD 网关 OpenAPI 根 URL（与 ARK_SKILL_API_KEY 同时存在时启用 apig）；通常由宿主/容器注入进程环境，不必写入 .env","required":false,"secret":false,"default":""},{"name":"ARK_SKILL_API_KEY","description":"SkillHub 网关 Bearer Token；与 ARK_SKILL_API_BASE 同时存在时启用 apig；通常由宿主/容器注入，不必写入 .env","required":false,"secret":true,"default":""},{"name":"VOLC_ACCESS_KEY_ID","description":"火山引擎访问密钥ID（直连 OpenAPI 时必填；若进程环境中已有 ARK_SKILL_API_BASE 与 ARK_SKILL_API_KEY 则可不填）","required":false,"secret":true,"default":""},{"name":"VOLC_ACCESS_KEY_SECRET","description":"火山引擎访问密钥 Secret（直连 OpenAPI 时必填；若进程环境中已有 ARK_SKILL_API_BASE 与 ARK_SKILL_API_KEY 则可不填）","required":false,"secret":true,"default":""},{"name":"VOLC_SPACE_NAME","description":"火山引擎VOD存储空间名称","required":true,"secret":false,"default":""},{"name":"ASR_API_KEY","description":"语音识别服务API密钥","required":true,"secret":true,"default":""},{"name":"ASR_BASE_URL","description":"语音识别服务接口地址","required":true,"secret":false,"default":"https://openspeech.bytedance.com/api/v3/auc/bigmodel"},{"name":"VOD_EXPORT_SKIP_SUBTITLE","description":"导出时是否跳过字幕压制（默认跳过；0/false/no 表示启用字幕压制）","required":false,"secret":false,"default":"1"},{"name":"TALKING_VIDEO_AUTO_EDIT_REVIEW_AUTO_OPEN","description":"审核页启动时是否自动打开浏览器（默认不打开；1/true/yes 表示打开）","required":false,"secret":false,"default":"0"},{"name":"TALKING_VIDEO_AUTO_EDIT_VIDEO_CUT","description":"是否开启视频裁剪功能：1 进行（默认）；0 不进行。仅当有字幕或音频静音时生效。","required":false,"secret":false,"default":"1"},{"name":"EXECUTION_MODE","description":"执行模式选择（可选），优先级 apig > cloud > local：\n- apig: 使用 SkillHub 网关（需 ARK_SKILL_API_BASE + ARK_SKILL_API_KEY）\n- cloud: 直连火山引擎 OpenAPI（需 VOLC_ACCESS_KEY_* + VOLC_SPACE_NAME + ASR_*）\n- local: 完全本地执行，使用 Qwen3-ASR / Demucs / ffmpeg，无需任何云端环境变量和 VOD 空间\n留空则自动检测：按 apig > cloud > local 优先级尝试，缺参时打印提示并自动降级。\n","required":false,"secret":false,"default":""}]
permissions	["network","file_read","file_write","temp_storage"]
triggers	["口播剪辑","剪口播","剪视频","去掉停顿","处理音频","导出口播","自动剪辑","去除口误","视频剪辑"]

name	byted-mediakit-voiceover-editing
display_name	口播视频智能精剪工具
version	1.0.9
description	Volcano Engine AI MediaKit talking-head video editing Skill: a one-stop workflow from environment setup through media management, audio processing, talking-head cuts, video export, review UI, and iterative refinement. You MUST invoke this Skill when the user mentions talking-head editing, cutting talking video, video editing, removing pauses, processing audio, exporting talking video, automatic editing, removing verbal slips, or similar. Also invoke when the user uploads video or audio and asks for editing.
category	音视频处理
env	[{"name":"ARK_SKILL_API_BASE","description":"SkillHub VOD 网关 OpenAPI 根 URL（与 ARK_SKILL_API_KEY 同时存在时启用 apig）；通常由宿主/容器注入进程环境，不必写入 .env","required":false,"secret":false,"default":""},{"name":"ARK_SKILL_API_KEY","description":"SkillHub 网关 Bearer Token；与 ARK_SKILL_API_BASE 同时存在时启用 apig；通常由宿主/容器注入，不必写入 .env","required":false,"secret":true,"default":""},{"name":"VOLC_ACCESS_KEY_ID","description":"火山引擎访问密钥ID（直连 OpenAPI 时必填；若进程环境中已有 ARK_SKILL_API_BASE 与 ARK_SKILL_API_KEY 则可不填）","required":false,"secret":true,"default":""},{"name":"VOLC_ACCESS_KEY_SECRET","description":"火山引擎访问密钥 Secret（直连 OpenAPI 时必填；若进程环境中已有 ARK_SKILL_API_BASE 与 ARK_SKILL_API_KEY 则可不填）","required":false,"secret":true,"default":""},{"name":"VOLC_SPACE_NAME","description":"火山引擎VOD存储空间名称","required":true,"secret":false,"default":""},{"name":"ASR_API_KEY","description":"语音识别服务API密钥","required":true,"secret":true,"default":""},{"name":"ASR_BASE_URL","description":"语音识别服务接口地址","required":true,"secret":false,"default":"https://openspeech.bytedance.com/api/v3/auc/bigmodel"},{"name":"VOD_EXPORT_SKIP_SUBTITLE","description":"导出时是否跳过字幕压制（默认跳过；0/false/no 表示启用字幕压制）","required":false,"secret":false,"default":"1"},{"name":"TALKING_VIDEO_AUTO_EDIT_REVIEW_AUTO_OPEN","description":"审核页启动时是否自动打开浏览器（默认不打开；1/true/yes 表示打开）","required":false,"secret":false,"default":"0"},{"name":"TALKING_VIDEO_AUTO_EDIT_VIDEO_CUT","description":"是否开启视频裁剪功能：1 进行（默认）；0 不进行。仅当有字幕或音频静音时生效。","required":false,"secret":false,"default":"1"},{"name":"EXECUTION_MODE","description":"执行模式选择（可选），优先级 apig > cloud > local：\n- apig: 使用 SkillHub 网关（需 ARK_SKILL_API_BASE + ARK_SKILL_API_KEY）\n- cloud: 直连火山引擎 OpenAPI（需 VOLC_ACCESS_KEY_* + VOLC_SPACE_NAME + ASR_*）\n- local: 完全本地执行，使用 Qwen3-ASR / Demucs / ffmpeg，无需任何云端环境变量和 VOD 空间\n留空则自动检测：按 apig > cloud > local 优先级尝试，缺参时打印提示并自动降级。\n","required":false,"secret":false,"default":""}]
permissions	["network","file_read","file_write","temp_storage"]
triggers	["口播剪辑","剪口播","剪视频","去掉停顿","处理音频","导出口播","自动剪辑","去除口误","视频剪辑"]

组件	职责	不做
脚本（规则引擎）	ASR 优化、候选生成（标记位置+规则置信度+删除建议）	不做最终删除/保留决策
宿主 Agent（你）	语义断句、口癖识别确认、候选复核、最终删除/保留决策	不修改脚本

来源	推导规则	示例
URL	取最后一段去扩展名	`https://x.com/video.mp4` → `video`
本地文件	取文件名去扩展名	`/path/Test_Video_720p.mp4` → `Test_Video_720p`
DirectUrl	取 FileName 去扩展名	`test.mp4` → `test`
Vid	取 Vid 值	`v0xxx` → `v0xxx`

脚本	用途
`./scripts/setup.sh`	环境检查与依赖安装
`./scripts/step2_confirm_config.py`	Step 2: 语气词/卡顿词确认完成后生成 checkpoint（阻止跳步）
`./scripts/pipeline_url_to_asr.py`	Step 3: URL → ASR 流水线（支持 `--mode local/cloud/apig`）
`./scripts/merge_asr_words.py`	Step 4 产出缺 words 时，从 raw 合并
`./scripts/prepare_export_data.py`	Step 6a: 数据预处理（`--width` `--height` `--write-step6`）
`./scripts/serve_review_page.py`	Step 6b: 审核页静态服务 + 数据保存 + 导出代理
`./scripts/export_server.py`	导出服务（独立进程，接收审核页 POST）
`./scripts/vod_direct_export.py`	Step 6c: VOD 导出任务提交与查询

byted-mediakit-voiceover-editing

Opciones de instalación

Revisa los archivos de origen

一、模式与凭据

1.1 三种执行模式

1.2 凭据配置

1.3 模式意图识别（Agent 必读）

一、模式与凭据

1.1 三种执行模式

1.2 凭据配置

1.3 模式意图识别（Agent 必读）

二、执行约束（STRICT — NO EXCEPTIONS）

职责分工

三、路径规则

3.1 SKILL_DIR 与 Output-dir

3.2 素材名推导

3.3 从上下文推导 output-dir

3.4 重复处理

四、脚本清单

五、必经步骤

六、产物对照表

七、审核页与数据联动

7.1 模式感知

7.2 本地模式审核页

7.3 数据联动（审核修改 ↔ 直接导出同步）

7.4 审核页服务端点

八、常见问题

九、字幕可见性（Alpha）

Step	说明	文档
Step 1	环境检查与依赖安装	1. 环境检查.md
Step 2	语气词/卡顿词确认与规则更新	2. 语气词提示与用户行为更新.md
Step 3	URL → ASR 流水线与候选生成	3. URL到ASR流水线与候选生成.md
Step 4	ASR 语义纠错（Agent 执行）	4. ASR语义纠错.md
Step 5	口播剪辑（Agent 执行）	5. 口播剪辑.md
Step 5.5	审核逻辑确认	5.5 审核逻辑确认.md
Step 6a	数据预处理	6a. 数据预处理.md
Step 6b	审核与导出	6b. 审核与导出.md
Step 6c	VOD 导出任务提交与查询	6c. VOD导出任务提交与查询.md

产物文件	生成步骤	说明
`step1_preuploaded.json`	Step 3	素材上传/注册结果（含 `_execution_mode`）
`step3_voice_separation_result.json`	Step 3	人声分离结果
`step5_asr_raw_*.json`	Step 3	ASR 原始转写
`step5_asr_optimized.json`	Step 4	语义纠错后 ASR
`step6_speech_cut.json`	Step 5	口播剪辑决策
`review_import_data.json`	Step 6a	审核页数据（含 `_execution_mode`、`track`、`sentences`）
`export_request.json`	Step 6a / 审核保存	导出请求（审核页"保存"后会同步更新此文件）
`export_submit_*.json`	Step 6b/6c	最终提交的导出数据

按钮	功能	数据流
💾 保存审核	将修改持久化到磁盘	POST `/api/save-review` → 更新 `review_import_data.json` + 重新生成 `export_request.json`
导出	直接触发视频导出	POST `/export` → `apply_review_to_export` → `export_submit_*.json` → ffmpeg/VOD

端点	方法	说明
`/`	GET	审核页 HTML
`/api/review-data`	GET	返回 `review_import_data.json`
`/api/mode`	GET	返回当前执行模式
`/api/save-review`	POST	保存审核修改（回写 review_import_data + 重生成 export_request）
`/export`	POST	触发导出（local: ffmpeg；cloud/apig: vod_direct_export）
`/local-media/<path>`	GET	本地模式媒体文件代理

现象	处理
本地文件走了 DirectUrl 模式	本地文件必须作为第一个位置参数传入；`--directurl` 仅用于 VOD 空间内已有 FileName
step5 写入失败	必须写入 `output/<文件名>/step5_asr_optimized.json`，禁止写 output 根目录
concat 规则要删但音频还在播	actionTime 必须从 step5 words 查出仅保留部分的 ms
重复文件未提示	写入前必须检查目标是否存在，按 3.4 规则处理
step6 修正未生效	确保 step6 顶层为 `optimized_segments` 或 `sentences`；运行 `--write-step6` 写回
segment 起止时间不准	Step 6a 会依 step5 words 校正
delete 未在 deleted_parts	每个 `action: delete` 段必须在 deleted_parts 中有对应项
审核页修改关闭后丢失	关闭前点击"💾 保存审核"持久化到磁盘
审核页本地资源 404	确认 Source 字段为 `/local-media/` URL 格式；检查 `serve_review_page.py` 是否正常运行
缺参提示后阻塞	不再使用 `input()`，缺参时自动降级并打印 `.env` 路径提示

byted-mediakit-voiceover-editing

Datos de origen

Opciones de instalación

Revisa los archivos de origen

Más de este repositorio

Más de este repositorio

一、模式与凭据

1.1 三种执行模式

1.2 凭据配置

1.3 模式意图识别（Agent 必读）

一、模式与凭据

1.1 三种执行模式

1.2 凭据配置

1.3 模式意图识别（Agent 必读）

二、执行约束（STRICT — NO EXCEPTIONS）

职责分工

三、路径规则

3.1 SKILL_DIR 与 Output-dir

3.2 素材名推导

3.3 从上下文推导 output-dir

3.4 重复处理

四、脚本清单

五、必经步骤

六、产物对照表

七、审核页与数据联动

7.1 模式感知

7.2 本地模式审核页

7.3 数据联动（审核修改 ↔ 直接导出同步）

7.4 审核页服务端点

八、常见问题

九、字幕可见性（Alpha）