/canghe-volcengine-video-understanding

name: volcengine-video-understanding
description: 火山视频理解 - 使用火山方舟视频理解 API 分析视频内容。通过 Files API 上传视频（推荐），支持大文件（最大512MB），可用于视频内容分析、物体识别、动作理解等。当用户需要分析视频、理解视频内容、提取视频信息时激活此技能。

火山视频理解

使用字节跳动火山方舟视频理解 API（doubao-seed-2-0-pro-260215 等模型）对视频进行深度理解和分析。

**推荐方式**：Files API 上传 + Responses API 分析

• 支持最大 **512MB** 视频文件
• 自动视频预处理（FPS采样）
• 文件可重复使用（存储7天）

功能

• **视频上传**：通过 Files API 上传本地视频（推荐，最大512MB）
• **内容理解**：分析视频场景、人物、动作、情感
• **视频问答**：基于视频内容回答用户问题
• **视频描述**：自动生成视频描述和摘要

前置要求

需要设置 `ARK_API_KEY` 环境变量。

配置方式（推荐）

1. 复制配置模板：

cp .canghe-skills/.env.example .canghe-skills/.env

2. 编辑 `.canghe-skills/.env` 文件，填写你的 API Key：

ARK_API_KEY=your-actual-api-key-here

或使用环境变量

export ARK_API_KEY="your-api-key"

加载优先级

1. 系统环境变量 (`process.env`) 2. 当前目录 `.canghe-skills/.env` 3. 用户主目录 `~/.canghe-skills/.env`

使用方法

1. 基础视频分析（Files API 方式 - 推荐）

cd ~/.openclaw/workspace/skills/volcengine-video-understanding
python3 scripts/video_understand.py /path/to/video.mp4 "描述这个视频的内容"

2. 视频问答

python3 scripts/video_understand.py /path/to/video.mp4 "视频中出现了哪些人物？"

3. 情感分析

python3 scripts/video_understand.py /path/to/video.mp4 "分析视频中人物的情感变化"

4. 指定模型和帧率

python3 scripts/video_understand.py /path/to/video.mp4 "总结视频要点" \
  --model doubao-seed-2-0-pro-260215 \
  --fps 2

5. 保存结果到文件

python3 scripts/video_understand.py /path/to/video.mp4 "描述视频" --output result.json

参数说明

| 参数 | 默认值 | 说明 | |------|--------|------| | `video_path` | 必填 | 视频文件路径 | | `instruction` | 必填 | 分析指令/问题 | | `--model` | doubao-seed-2-0-pro-260215 | 模型 ID | | `--fps` | 1 | 视频采样帧率（预处理） | | `--output` | - | 结果输出文件路径 |

支持的模型

• `doubao-seed-2-0-pro-260215` (默认)
• `doubao-seed-2-0-lite-250728`
• `doubao-seed-1-6-251015`
• 其他 Seed 系列视频理解模型

分析示例

示例 1：视频内容描述

python3 scripts/video_understand.py ~/Desktop/video.mp4 "详细描述这个视频的内容，包括场景、人物和动作"

示例 2：视频摘要

python3 scripts/video_understand.py ~/Desktop/video.mp4 "用3句话总结这个视频的要点"

示例 3：动作识别

python3 scripts/video_understand.py ~/Desktop/video.mp4 "视频中的人物在做什么动作？按时间顺序描述"

示例 4：场景分析

python3 scripts/video_understand.py ~/Desktop/video.mp4 "分析视频中的场景变化和环境特征"

技术细节

调用流程

1. **上传视频**：通过 Files API 上传本地视频文件，指定 FPS 预处理配置 2. **等待处理**：等待视频预处理完成（状态变为 processed） 3. **创建任务**：调用 Responses API 进行视频理解 4. **获取结果**：返回分析结果

API 格式

**Files API 上传**：

curl https://ark.cn-beijing.volces.com/api/v3/files \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -F 'purpose=user_data' \
  -F 'file=@video.mp4' \
  -F 'preprocess_configs[video][fps]=1'

**Responses API 分析**：

{
  "model": "doubao-seed-2-0-pro-260215",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_video",
          "file_id": "file-xxxx"
        },
        {
          "type": "input_text",
          "text": "用户指令"
        }
      ]
    }
  ]
}

FPS 设置建议

| FPS | 适用场景 | |-----|----------| | 0.3-0.5 | 慢节奏视频、静态场景、节省token | | 1 | 一般视频分析（默认） | | 2-3 | 快速动作、细节分析 |

限制

• **视频格式**：MP4（推荐）、MOV、AVI
• **文件大小**：最大 512MB（Files API 方式）
• **存储时间**：上传的文件默认存储 7 天
• **处理时间**：根据视频长度和复杂度，通常 10-60 秒

Python API 使用

from scripts.video_understand import analyze_video

result = analyze_video(
    file_path="/path/to/video.mp4",
    instruction="描述视频内容",
    model="doubao-seed-2-0-pro-260215",
    fps=1
)

# 提取回答
text = ""
for item in result.get("output", []):
    if item.get("type") == "message":
        for content in item.get("content", []):
            if content.get("type") == "output_text":
                text = content.get("text", "")
                break

print(text)

错误处理

常见错误及解决方案：

| 错误 | 原因 | 解决方案 | |------|------|----------| | API Key 错误 | 未设置或错误 | 检查 ARK_API_KEY 环境变量 | | 文件不存在 | 路径错误 | 检查文件路径 | | 上传失败 | 文件过大或格式不支持 | 检查文件大小（<512MB）和格式 | | 处理超时 | 视频过长或复杂 | 缩短视频或降低 FPS |

参考文档

• [火山方舟视频理解文档](https://www.volcengine.com/docs/82379/1895586)
• [Files API 文档](https://www.volcengine.com/docs/82379/xxxx)
• [Responses API 文档](https://www.volcengine.com/docs/82379/xxxx)