核心用法
volcengine-ai-mediakit 是火山引擎 VOD 生态的 AI 音视频处理 Skill，基于 Python 脚本封装了 7 大类 20+ 项能力，通过异步任务模式处理视频后返回播放链接。使用前需配置 AccessKey/SecretKey 及点播空间名称。
典型工作流：
1. 资源准备：本地文件或 HTTP 链接通过 upload_media.py 上传获取 vid:// 引用；
2. 意图匹配：根据需求选择对应脚本（剪辑类/增强类/AI 分析类/AI 生成类）；
3. 参数构造：支持内联 JSON 或 @file.json 文件引用方式传参；
4. 任务执行：提交异步任务后自动轮询状态，完成后返回 VCCreativeId/TaskId 及产物链接。
能力矩阵
| 类别 | 代表功能 |
|:---|:---|
| 视频编辑 | 拼接、裁剪、变速、翻转、图片转视频、音视频合成、音轨提取、混音 |
| 音频处理 | 人声/伴奏分离、降噪 |
| 画质增强 | 综合修复、AI 超分（720p→1080p/4K）、智能插帧（30fps→60fps） |
| 字幕处理 | ASR 语音转字幕、OCR 画面文字提取、硬字幕擦除、内嵌字幕烧录 |
| 智能分析 | 场景切分、人像抠图、绿幕抠像 |
| AI 创作 | 视频翻译（声影智译）、短剧高光剪辑、AI 解说生成、剧本还原、漫剧转绘 |
| 媒资管理 | 批量查询 Vid 信息及播放地址 |
显著优点
- 全链路覆盖：从基础剪辑到 AI 生成式创作，单平台完成短视频二创全流程，无需切换多个工具
- 云原生架构：基于火山引擎 VOD 基础设施，上传后统一使用
vid://引用，避免本地大文件传输瓶颈 - AI 能力领先：集成字节跳动自研算法，尤其在 ASR、超分、插帧、视频翻译等场景有业界竞争力
- 异步任务可靠：自动轮询 + 超时重启机制（
poll_vcreative.py/poll_media.py/poll_translation.py），适合长耗时处理 - 参数友好：支持文件引用传参（
@params.json），避免 Shell 转义问题
潜在缺点与局限性
- 非实时处理：纯异步架构，单次处理需等待数十秒至数分钟，不适用直播/实时流媒体场景
- 素材依赖：AI 创作类（解说、剧本还原、高光剪辑）需有源视频输入，不支持文生视频等生成式创作
- 成本敏感：AI 类功能（翻译、漫剧转绘、解说生成）按量计费，高频使用成本较高
- 目录白名单限制：本地文件上传仅限
workspace/、userdata/、/tmp目录 - 轮询超时需手动重启：默认 360×5s 轮询上限，大文件处理可能需手动执行 poll 脚本续查
适合人群
- 短视频创作者/二创团队：快速完成高光剪辑、AI 解说、风格转绘等爆款内容生产
- 内容本地化团队：视频翻译（声影智译）支持字幕/语音/面容多维度翻译，适配出海短剧
- 影视后期工作室：批量画质修复、超分、插帧提升老旧素材质量
- 企业营销部门：宣传片智能切片、自动剧本还原、多语言版本快速生成
常规风险
- 密钥安全：AccessKey/SecretKey 为敏感信息，需通过环境变量或
.env配置，避免硬编码泄露 - 异步任务状态丢失：若轮询超时后未保留 TaskId，可能无法追踪任务结果
- 计费失控：AI 创作类功能单价较高，建议提前阅读
references/00-billing-instructions.md了解计费规则 - 产物链接有效期：返回的播放地址可能有时效限制，重要产物需及时转存或下载