byted-mediakit-process-tools

Files (25)

• LICENSE
• SKILL.md
• byted-mediakit-process-tools.sh
• common_response.md · reference/
• concat_media_segments.md · reference/
• enhance_video.md · reference/
• extract_audio.md · reference/
• image_to_video.md · reference/
• local_fallback.md · reference/
• mux_audio_video.md · reference/
• query_task.md · reference/
• trim_media_duration.md · reference/
• understand_video_content.md · reference/
• __init__.py · scripts/amk_client/
• api_config.py · scripts/amk_client/
• api_path_params.py · scripts/amk_client/
• api_request.py · scripts/amk_client/
• auth_mode.py · scripts/amk_client/
• client.py · scripts/amk_client/
• config.py · scripts/amk_client/
• models.py · scripts/amk_client/
• local_ffmpeg_tool.py · scripts/
• main.py · scripts/
• requirements.txt · scripts/
• env.md · template/

SKILL.md (first lines)

> **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）：

```bash
# 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

```bash
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

```bash
./byted-mediakit-process-tools.sh understand_video_content \
  --video_url "https://example.com/video.mp4" \
  --prompt "总结视频内容" \
  --fps 1
```

From bytedance/agentkit-samples, Apache-2.0.

More from bytedance/agentkit-samples