byted-mediakit-process-tools

name	byted-mediakit-process-tools
description	火山引擎 AI MediaKit 音视频处理工具集，提供视频理解、音频提取、视频剪辑、音视频拼接、画质增强、文生视频、音视频合成，以及本地翻转、调速、字幕、水印、转码等能力。当用户提及音频剪辑、视频剪辑、音视频拼接、文生视频、音频提取、画质增强、视频理解、音视频合成、媒体裁剪、视频翻转、调速、加字幕、加水印、转码等需求时必须调用本Skill。当用户需要视频理解时，宿主agent必须自动解析用户的具体要求作为prompt参数传入，同时传入视频URL和fps参数；max_frames 为可选参数。
version	1.0.0
license	Apache-2.0
metadata	{"display_name":"火山引擎音视频处理工具集","version":"1.0.0","permissions":["network","file_read","file_write","temp_storage"],"env":[{"name":"AMK_API_KEY","description":"AMK（AI MediaKit）访问密钥；配置完整时使用云端剪辑/拼接/提取/合成能力，缺失时这些能力自动回退到本地 FFmpeg","required":false,"secret":true,"default":""},{"name":"AMK_ENV","description":"AMK 服务端环境，仅支持 prod（生产）","required":false,"secret":false,"default":"prod"},{"name":"AMK_ENABLE_CLIENT_TOKEN","description":"为 true 时，除视频理解外的请求会自动携带 8 位 client_token（幂等）；取值 true / false","required":false,"secret":false,"default":"false"},{"name":"ARK_API_KEY","description":"火山引擎方舟 OpenAPI 密钥，仅在使用视频理解（understand_video_content）时需要","required":false,"secret":true,"default":""},{"name":"ARK_MODEL_ID","description":"方舟模型 ID，仅在使用视频理解（understand_video_content）时需要","required":false,"secret":false,"default":""}]}

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）：

# 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

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

./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

# 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

./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

./byted-mediakit-process-tools.sh extract_audio \
  --video_url "https://example.com/video.mp4" \
  --format mp3

画质增强

./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

./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

./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

./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）

# 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）

{
  "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）

{
  "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）

{
  "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

{
  "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
query_task	reference/query_task.md
concat_media_segments	reference/concat_media_segments.md
enhance_video	reference/enhance_video.md
extract_audio	reference/extract_audio.md
image_to_video	reference/image_to_video.md
mux_audio_video	reference/mux_audio_video.md
trim_media_duration	reference/trim_media_duration.md
统一响应格式	reference/common_response.md
本地回退策略	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