Skip to content

yzsp-studio/mediakit-shared-suite / mediakit-video

mediakit-video

Verified

面向视频文件的智能处理、媒资理解、画质治理与画质检测、抽帧、隐私保护、字幕与水印处理、精彩片段与高光拆条分析生成、剧情结构化与剧本整理、场景与语义分段、画面文字识别、视频转码转封装及人像或绿幕抠像等目标。若对象和目标族已明确属于视频增强、视频分析理解、视频内容结构化、视频字幕识别或擦除、视频隐私脱敏、视频媒资探测或分发适配,但具体能力不确定,可先加载本 Skill 探索;若只说有视频而未说明业务目标,应先澄清。明确要裁剪、拼接、叠加字幕、混音、合流、调速、转场、画面旋转翻转、视频滤镜或多视频拼画面的成片编辑诉求应路由到 editing;单张图片处理应路由到 image;音频转码、人声分离或语音端点检测应路由到 audio。

reference/video-understand-router.md

View on GitHub
# 视频理解智能策略

## 能力用途

基于视觉大模型,对输入的单个视频 URL 进行通用视频内容分析,输出视频级别的结构化理解结果,适用于内容审核、视频检索、标签生成等场景。

## 参数填写规则

- `video_urls` 单次调用长度必须为 1;只传一个视频 URL。如需处理多个视频,应并发发起多次独立调用,不得一次传入视频列表。
- 可选参数仅在用户明确指定,或可从用户意图准确确定时填写;不得伪造。不能准确确定时省略,确为正确完成任务所必需时先向用户澄清。

## Cloud

### 命令与生命周期

- 命令:`mediakit-cli video video-understand-router`
- 生命周期:异步
- 返回方式:返回 `task_id`,再查询终态结果。

### 使用指南

- 数组参数(`--prefer-endpoints`、`--prefer-models`)传多个值时用逗号分隔并整体加引号,例如 `--prefer-endpoints "url1,url2"`。
- `--video-urls` 单次只传 1 个视频 URL;不要用逗号拼接多个视频,也不要重复传递该 flag 传入多个视频。
- 单个值中的文件名或 URL 不能包含逗号(`,`),否则会被 CLI 当成多个元素拆开。遇到这种情况时,先向用户澄清,请其提供不含逗号的文件名或对应 URL 后再调用。
- 对象或对象数组参数(`--manual-option`)需传合法 JSON 字符串;字段名与层级必须与上表“枚举/范围/结构”及子字段说明一致。不要用逗号分隔或裸文本。
- POSIX / bash:用单引号整体包裹,例如 `--manual-option '[{...}]'`。
- Windows PowerShell:按共享入口 [JSON 参数传参](../../mediakit-shared/SKILL.md) 把 JSON flag 放在 `--%` 之后,内部双引号写成 `\"`,例如 `--% --manual-option "[{\"key\":\"value\"}]"`。禁止单引号 JSON、`$json` 变量和 `@file`。

### 调用示例

```bash
mediakit-cli video video-understand-router \
  --video-urls <video_url> \
  --prompt <prompt>
```

仅使用用户真实输入替换占位符;可选 flag 遵守参数填写规则,不得编造 URL、文件、枚举或业务参数。

### 参数

| 参数路径 | CLI flag | 类型 | 必填 | 默认值 | 枚举/范围/结构 | 说明 |
| --- | --- | --- | --- | --- | --- | --- |
| `callback_args` | `--callback-args` | string | 否 | - | - | 自定义回调参数;任务完成时会通过事件回调原样返回,用于关联业务;字段长度最大为 512 字节。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `callback_url` | `--callback-url` | string | 否 | - | - | 用于接收该任务结果回调的 URL 地址;提供后优先级高于全局回调地址;地址必须以 http:// 或 https:// 开头。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `client_token` | `--client-token` | string | 否 | - | - | 用户请求凭证,用于幂等控制;大小写敏感,长度不超过 64 个 ASCII 可打印字符。 默认不传。用户明确指定时原样使用;用户明确要求重试时,同一逻辑请求的重试链必须复用同一 token。已有 token 时必须复用原值;此前请求未带 token 时,可从本次重试开始创建一次并持续复用,但该 token 不对此前请求提供追溯幂等。业务参数变化视为新请求,不得复用旧 token。不得为每次尝试生成不同值。CLI/MCP runtime 不判断重试意图,也不自动生成 token。 |
| `level` | `--level` | string | 否 | "Economy" | 枚举: ["Economy","Balanced","Quality"] | level 是分析档位,决定任务的默认抽帧策略与模型选择,以在成本、速度和质量之间取得平衡;支持 Economy、Balanced、Quality,默认 Economy。Economy 是速度优先的经济档位,适合大批量、对结果详细程度要求较低的内容标注;Balanced 是速度与质量兼顾的均衡档位,适合常规内容审核与检索场景;Quality 是结果优先的质量档位,适合需要更精细语义理解的场景。 |
| `manual_option` | `--manual-option` | object | 否 | - | - | manual_option 是手动模式相关参数;未传 manual_option 时表示完全使用 level 档位策略,不进行手动覆盖。 |
| `manual_option.fps` | - | number | 否 | 1 | 最小值: 0.2;最大值: 5 | manual_option.fps 是抽帧帧率,设置后会按照指定帧率进行均匀抽帧;最小 0.2,最大 5.0,默认 1.0。 |
| `manual_option.max_snapshot_number` | - | integer | 否 | 0 | 最大值: 1000 | manual_option.max_snapshot_number 是最大抽帧帧数,最小 0,最大 1000,默认 0;显式设置时会覆盖档位策略;设为 0 时由 level 档位决定截图数量。 |
| `manual_option.need_audio` | - | boolean | 否 | false | - | manual_option.need_audio 表示是否开启或关闭音频分析,支持 true 和 false,默认 false。为 true 时开启音频分析,系统将选用支持音视频多模态的模型,并分析音频内容。为 false 时关闭音频分析,仅分析视频画面;即使 manual_option.need_audio 为 false 或未提供,如果 prompt 中包含“声音”、“音乐”等音频相关关键词,也可能自动触发音频分析。 |
| `prefer_endpoints` | `--prefer-endpoints` | array<string> | 否 | - | 最少项数: 1;最多项数: 10 | prefer_endpoints 是优先使用的推理接入点 ID(Endpoint ID)列表,最多 10 个;系统将从 prefer_endpoints 指定的推理接入点中结合策略选择最终模型;prefer_endpoints 的优先级高于 prefer_models。 CLI 传参时可使用逗号分隔多个值,或重复传递该 flag;不要传 JSON 数组字符串。 |
| `prefer_models` | `--prefer-models` | array<string> | 否 | - | 最少项数: 1;最多项数: 10 | prefer_models 是优先使用的模型 ID(Model ID)列表,最多 10 个;系统将从 prefer_models 指定的模型中结合策略选择最终模型。 CLI 传参时可使用逗号分隔多个值,或重复传递该 flag;不要传 JSON 数组字符串。 |
| `prompt` | `--prompt` | string | 是 | - | 最短长度: 1 | prompt 是用于指导大模型对视频内容进行分析的自然语言描述,最小长度为 1。 |
| `queue_id` | `--queue-id` | string | 否 | - | - | 任务提交的目标队列 ID;不传时默认使用系统自动创建的队列 ID。可将不同业务或优先级的任务提交到不同队列,以按队列对应的项目进行分账。队列可创建和管理,系统会自动分配队列 ID。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `scene` | `--scene` | string | 否 | - | 枚举: ["editing"] | scene 是分析场景,用于系统优化处理策略;指定 scene 后,系统会自动决策使用该场景的最佳策略;不传时表示通用场景。editing 表示创作剪辑场景,模型会侧重于理解并输出带有精确时间戳的详细分镜信息,适用于分镜理解、智能剪辑、二次 AIGC 创作等下游任务。 |
| `video_urls` | `--video-urls` | array<string> | 是 | - | 最少项数: 1;最多项数: 1 | video_urls 是待处理的视频 URL;单次调用必须且只能传入 1 个视频。支持公网 HTTP/HTTPS URL、本地文件路径、火山引擎视频点播 vod:// 和火山引擎对象存储 tos:// 四种输入协议;支持 mp4、flv、ts、avi、mov、wmv、mkv 等主流视频格式。如需处理多个视频,应并发发起多次独立调用,不得一次传入视频列表。 CLI 传参时只传单个值;不要传 JSON 数组字符串。 |

### 任务结果查询

提交成功后会返回 `task_id`,再执行 `mediakit-cli shared query-task --task-id <task_id>` 查询。

- 当前命令:`mediakit-cli video video-understand-router`
- 推荐查询:`mediakit-cli shared query-task --task-id <task_id>`

### 机器合同

以下命令只读取本模式的实时 help/schema,不发起业务调用:

```bash
mediakit-cli video video-understand-router --help
mediakit-cli video video-understand-router --schema
```
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 472kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 322kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 322kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 322kUpdated Claude CodeCodexVerifiedInstall