/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.mp