Volcengine AI MediaKit

火山引擎 AI MediaKit 音视频处理 Skill。当用户需要对音视频进行加工处理时触发。处理完成后自动查询任务状态并返回产物播放链接。核心能力分为七类：1. 视频处理：多片段拼接、片段裁剪、画面翻转、视频播放调速、音频播放调速、图片合成视频、音画合成、提取音轨、音频混音; 2. 音频处理：人声/伴奏分离、音频降噪; 3. 视频增强：综合画质修复、AI 超分、智能插帧; 4. 字幕处理：语音转字幕(ASR)、画面文字提取(OCR)、硬字幕擦除、添加内嵌字幕; 5. 智能分析：智能场景切分、人像抠图、绿幕抠图; 6. AI 创作：AI 视频翻译(声影智译)、短剧高光剪辑、AI 剧本还原、AI 解说视频生成、AI 漫剧转绘。 7. 媒资查询：获取媒资信息及播放地址（支持批量）。触发关键词：视频拼接、视频裁剪、视频剪辑、视频变速、视频翻转、图片转视频、音视频合成、提取音频、混音、人声分离、背景音分离、音频降噪、去噪、AI超分、超分辨率、画质修复、画质增强、智能补帧、视频插帧、提高帧率、语音转字幕、语音识别、ASR、OCR、文字提取、字幕擦除、去字幕、添加字幕、内嵌字幕、SRT字幕、智能切片、场景切分、镜头分割、人像抠图、抠人像、绿幕抠图、抠绿幕、视频抠图、视频翻译、AI翻译、声影智译、字幕翻译、语音翻译、面容翻译、多语言翻译、视频本地化、高光剪辑、高光提取、短剧剪辑、集锦、宣传片、剧本还原、AI剧本、视频转剧本、剧情提取、解说视频、AI解说、二创解说、短剧解说、漫剧转绘、漫画风格、3D卡通、视频转绘、风格转换、获取媒资信息、查询视频信息、获取播放地址、批量查询Vid。不适用场景：纯文本生成、实时流媒体处理、AI 生成式视频创作（无源素材输入）。

---

前置条件

• Python：确认 python --version ≥ 3.6
• 环境变量（必需，也可通过工作目录下的 .env 文件配置，脚本会自动加载）：
  • VOLCENGINE_ACCESS_KEY — 火山引擎 Access Key
  • VOLCENGINE_SECRET_KEY — 火山引擎 Secret Key
  • VOD_SPACE_NAME — VOD 空间名称
• 依赖：脚本依赖 python-dotenv requests urllib

---

参数传入方式

所有脚本支持两种 JSON 参数传入方式：

1. 内联 JSON（适合简单参数）：python script.py '{"key":"value"}'
2. 文件引用（推荐，避免 shell 转义问题）：python script.py @params.json

@ 前缀表示从文件读取 JSON 内容，文件路径相对于当前工作目录。

---

结果交付规则

• 提交异步任务成功后会返回异步任务id，字段为 VCCreativeId 或 TaskId，在给用户交付最终产物时，必须包含异步任务id
• 在展示最终产物链接时，禁止随意修改链接内容
• 优先将产物链接提供给用户

---

注意

当用户询问当前 Skill 有什么能力时，直接返回 references/00-detail.md 的内容，并停止后续流程，等待用户输入。

工作流程

1) 识别输入视频类型（必要时先上传拿 vid://...）

后续所有处理脚本优先使用 VOD 侧资源引用：

• Vid：vid://vxxxx（或部分脚本接受裸 vxxxx 并自动补 vid://）
• DirectUrl / FileName：directurl://<vod_file_name>（媒体类任务用 DirectUrl 时会要求 FileName + SpaceName）

当用户提供的是以下输入之一，需要先执行上传逻辑，拿到 Vid 后再继续：

• 本地文件路径：如 /path/to/a.mp4
• http/https 链接：如 https://example.com/a.mp4（会走 URL 拉取上传，并轮询上传结果）

统一用 scripts/upload_media.py：

bash

python <SKILL_DIR>/scripts/upload_media.py "<local_file_path_or_http_url>" [space_name]

脚本输出中 Source 字段即 vid://...，可直接作为后续处理输入。

安全限制：本地文件上传仅允许 workspace/、userdata/ 和 /tmp 目录下的文件。

2) 识别用户意图 → 选择对应处理脚本

根据用户需求，按以下决策树选择脚本：

用户意图	脚本
多个视频/音频合成一个（顺序拼接）	stitching
截取视频/音频的某个时间片段	clipping
加速/慢放/变速	speedup
镜像/上下翻转/左右翻转	flip
多张图片串联生成视频	image_to_video
替换/叠加视频的背景音乐	compile
只要视频里的音频轨	extract_audio
多条音频同时叠加播放（混音）	mix_audios
分离人声和伴奏/背景音	voice_separation
去除环境噪音/电流杂音/风噪	noise_reduction
模糊/低画质视频修复（压缩伪影/噪点/划痕）	quality_enhance
低分辨率视频提升（如 720P→1080P）	super_resolution
低帧率视频插帧提升流畅度（如 30fps→60fps）	interlacing
语音识别/ASR/提取视频中的文字对白	asr_speech_to_text
OCR 文字提取/识别视频中的屏幕文字	ocr_text_extract
擦除视频硬字幕	subtitle_removal
给视频添加/嵌入字幕（烧录字幕）	add_subtitle
视频场景分割/智能切片	intelligent_slicing
人像抠图/人像分割	portrait_matting
绿幕抠像/绿屏抠像	green_screen
AI 漫剧转绘（漫画风/3D卡通风格）	comic_style
短剧高光剪辑/精彩片段提取	highlight
AI 视频翻译（字幕/语音/面容翻译）	video_translation
查询翻译项目状态/重启翻译轮询	poll_translation
查询翻译项目列表	list_translation
AI 解说视频生成（短剧解说/二创）	drama_recap
AI 剧本还原（视频转结构化剧本）	drama_script
查询媒资信息（Vid 详情+播放地址）	get_media_info

3) 构造参数并执行

视频编辑类

脚本	用途	详细参数
stitching.py '<json>'	视频/音频拼接	references/01-stitching.md
clipping.py '<json>'	视频/音频裁剪	references/02-clipping.md
flip.py '<json>'	视频翻转	references/03-flip.md
speedup.py video '<json>'	视频变速	references/04-speedup.md
speedup.py audio '<json>'	音频变速	references/04-speedup.md
image_to_video.py '<json>'	图片转视频	references/05-image-to-video.md
compile.py '<json>'	音视频合成	references/06-compile.md
extract_audio.py '<json>'	提取音轨	references/07-extract-audio.md
mix_audios.py '<json>'	混音	references/08-mix-audios.md

媒体处理类

脚本	用途	详细参数
voice_separation.py '<json>'	人声分离	references/10-voice-separation.md
noise_reduction.py '<json>'	音频降噪	references/11-noise-reduction.md
quality_enhance.py '<json>'	综合画质修复	references/12-quality-enhance.md
super_resolution.py '<json>'	AI 超分辨率	references/13-super-resolution.md
interlacing.py '<json>'	智能补帧	references/14-interlacing.md

AI 内容分析类

脚本	用途	详细参数
asr_speech_to_text.py '<json>'	语音识别 ASR	references/15-asr-speech-to-text.md
ocr_text_extract.py '<json>'	OCR 文字提取	references/16-ocr-text-extract.md
subtitle_removal.py '<json>'	硬字幕擦除	references/17-subtitle-removal.md
add_subtitle.py '<json>'	添加嵌入字幕	references/18-add-subtitle.md
intelligent_slicing.py '<json>'	智能场景分割	references/19-intelligent-slicing.md
portrait_matting.py '<json>'	人像抠图	references/20-portrait-matting.md
green_screen.py '<json>'	绿幕抠像	references/21-green-screen.md
highlight.py '<json>'	短剧高光剪辑	references/23-highlight.md
get_media_info.py '<json>'	媒资信息查询	references/27-get-media-info.md

AI 内容生成类

脚本	用途	详细参数
comic_style.py '<json>'	AI 漫剧转绘	references/22-comic-style.md
video_translation.py '<json>'	AI 视频翻译	references/24-video-translation.md
drama_recap.py '<json>'	AI 解说视频生成	references/25-drama-recap.md
drama_script.py '<json>'	AI 剧本还原	references/26-drama-script.md

重启轮询

脚本	用途
poll_vcreative.py <task_id>	重启编辑类任务轮询
poll_media.py <task_type> <RunId>	重启媒体处理类任务轮询
poll_translation.py <ProjectId>	重启翻译任务轮询

超时响应中的 resume_hint.command 字段包含可直接复制执行的重启命令。

---

示例

bash

# 本地文件先上传拿到 vid（后续脚本统一用 vid://... 作为输入）
python <SKILL_DIR>/scripts/upload_media.py "/path/to/local.mp4" my_space

# 拼接两个视频，加转场
python <SKILL_DIR>/scripts/stitching.py \
  '{"type":"video","videos":["vid://v0001","vid://v0002"],"transitions":["1182359"]}'

# 使用 @file.json 传参（推荐，避免转义问题）
python <SKILL_DIR>/scripts/stitching.py @params.json

# 人声分离（注意 type 首字母大写）
python <SKILL_DIR>/scripts/voice_separation.py '{"type":"Vid","video":"v0310abc"}'

# 超分到 1080P
python <SKILL_DIR>/scripts/super_resolution.py '{"type":"Vid","video":"v0310xyz","Res":"1080p"}'

# ASR 语音识别
python <SKILL_DIR>/scripts/asr_speech_to_text.py '{"type":"Vid","video":"v0310abc"}'

# 短剧高光剪辑
python <SKILL_DIR>/scripts/highlight.py '{"Vids":["v023xxx","v024xxx"]}'

# AI 视频翻译（中文→英文）
python <SKILL_DIR>/scripts/video_translation.py '{"Vid":"v0d225gxxx","SourceLanguage":"zh","TargetLanguage":"en"}'

# AI 漫剧转绘（漫画风 720p）
python <SKILL_DIR>/scripts/comic_style.py '{"Vid":"v0d012xxxx","Style":"漫画风","Resolution":"720p"}'

# AI 解说视频（自动生成解说词）
python <SKILL_DIR>/scripts/drama_recap.py '{"Vids":["v023xxx"],"AutoGenerateRecapText":true}'

# AI 剧本还原
python <SKILL_DIR>/scripts/drama_script.py '{"Vids":["v023xxx","v024xxx"]}'

# 查询媒资信息
python <SKILL_DIR>/scripts/get_media_info.py '{"vids":"v001,v002"}'

# 超时后重启编辑类轮询
python <SKILL_DIR>/scripts/poll_vcreative.py <异步智剪任务ID> my_space

# 超时后重启媒体类轮询
python <SKILL_DIR>/scripts/poll_media.py videSuperResolution run_yyy my_space

# 超时后重启翻译轮询
python <SKILL_DIR>/scripts/poll_translation.py <ProjectId> my_space

---

错误输出

所有错误统一格式：{"error": "说明"}

超时输出（含重启指令）：

json

{
  "error": "轮询超时（360 次 × 5s），任务仍在处理中",
  "resume_hint": {
    "description": "任务尚未完成，可用以下命令重启轮询",
    "command": "python <SKILL_DIR>/scripts/poll_media.py videSuperResolution run_yyy my_space"
  }
}

约束

• 调用脚本前必须查看脚本详细参数说明

---

计费说明

仅当用户主动咨询费用或计费规则时，再参考 references/00-billing-instructions.md 中的计费说明，向用户简要说明 volcengine-ai-mediakit 所依赖的 VOD 资源的计费构成，避免在普通剪辑/处理对话中主动展开计费细节。