文档中心

AI MediaKit

视频工具

解说视频生成（短剧行业模型）

AI MediaKit 的解说视频生成（短剧行业模型）工具，基于对输入短剧剧集的角色和剧情故事线理解（剧本还原），自动提取高光片段并按剪辑要求（时长范围、产出条数、解说浓度、BGM 等）生成全新的解说视频（支持文字解说和旁白解说两种模式），适用于短剧投流、宣发种草、二创剪辑等场景。

本篇开发指南将引导您：

理解短剧行业模型的工作流程与核心优势。

快速上手，通过一步 API 调用完成一个带 AI 解说（旁白或文字）的短剧营销视频。

掌握如何通过各项参数，精细化地控制解说模式、时长、数量、视听风格等。

效果预览

文字解说视频	旁白解说视频
Replay Play 00:00 / 01:15 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag 原片高光混剪 + 屏幕文字解说，可自定义字体、字号、颜色、加粗、斜体、描边、阴影、对齐方式等样式。	Replay Play 00:00 / 00:41 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag 原片高光混剪 + AI 语音解说 + 自定义 BGM。

快速体验：生成一个文字解说视频

本节将演示如何通过一次 API 调用，从多个原始短剧视频快速生成一个文字解说视频。

准备工作

获取访问凭证：在开始之前，访问 AI MediaKit 控制台 API Key 管理页面，创建并获取 AI MediaKit API Key。

准备视频文件：准备一个或多个短剧视频，并将其上传至公网可访问的服务器或视频点播服务中，以获取可供 API 调用的 URL。为方便您快速测试，本文后续步骤的示例代码中提供了三个可直接使用的演示视频 URL。

操作流程

与通用版的解说视频生成不同，短剧行业模型将“剧本分析”和“视频生成”合二为一，流程更简单。核心步骤如下：

提交解说视频生成任务：调用 POST /api/v1/tools/drama-recap-vertical API，传入原始视频地址和相关配置，获得一个用于查询的 task_id。

获取最终结果：轮询 GET /api/v1/tasks/{task_id} 直至任务完成。任务成功后，从响应的 result 字段中获取最终生成的解说视频下载地址。

操作步骤

第 1 步：提交解说视频生成任务

您可以直接复制以下 cURL 命令，提交一个异步的解说视频生成任务。该示例将生成一个不带背景音乐的文字解说视频。

说明

将 {Your_API_Key} 替换为您的真实 API Key。

video_urls: 示例中已提供可直接测试的视频 URL。您可以替换为您自己的地址。

mode: "text" 代表生成文字解说视频。该模式下，AI 生成的解说文案将以文字形式呈现在画面上。

请求成功后，您会收到一个用于查询进度的 task_id（例如 amk-tool-drama-recap-vertical-12345）。

第 2 步：轮询获取任务结果

接下来，您需要使用上一步获得的 task_id 轮询查询任务信息 API，直到任务状态 status 变为 completed。

当任务成功完成后，您将收到如下响应。您可以在 result.video_urls 数组中找到最终生成的解说视频下载地址。

进阶使用

在快速入门的基础上，您可以通过配置不同的参数，实现更丰富的创作效果。

自定义旁白解说效果

当 mode 设置为 narrate 时，您可以通过 narrate_options 和 narrate_bgm_url 控制旁白解说的效果。

narrate_options.narrate_ratio：解说浓度。控制旁白时长占生成视频时长的比例，取值范围为 [0, 1]。值越大，解说越密集。建议设置为 0.3 到 0.5 之间。

narrate_options.enable_narrate_bgm：是否添加背景音乐，默认为 true。

narrate_bgm_url：当 narrate_options.enable_narrate_bgm 为 true 时，自定义背景音乐的 URL。

示例：设置较高解说浓度并添加自定义 BGM

以下示例将生成一个旁白解说密集且添加背景音乐的视频。

自定义文字解说样式

当 mode 设置为 text 时，您可以通过 text_options 对象精细化控制屏幕解说文字的样式。

font_type：字体，如 SY_Bold (思源粗体)。

font_size：字号。

font_color：字体颜色，格式为 #RRGGBBAA。

border_width / border_color：描边宽度和颜色。

shadow_color：阴影颜色。

is_bold / is_italic：是否加粗/斜体。

示例：生成一个自定义样式的文字解说视频

以下示例将生成一个“文字解说”风格的视频，并自定义了解说文字的样式（如黄色、带描边等）。

生成带“短剧三要素”的解说视频

对于竖屏视频，您可以通过配置 edit_param 参数，为解说视频一键添加“短剧三要素”（如剧名、角标、提示语等），这通常能有效提升营销视频的吸引力。AI MediaKit 提供 5 个预设的视觉模板：

亮点

为避免剧名与视频内嵌字幕重叠，AI MediaKit 支持剧名智能防遮挡。在使用 1、2、4、5 号模板时，系统会自动检测字幕区域，并将剧名动态调整至无遮挡的安全位置，确保视觉效果清晰、专业。

示例：使用“热门短剧2”模板并添加剧名和提示语

以下示例将生成一个“文字解说”风格的视频，并套用“热门短剧2”视觉模板，添加剧名和提示语。

控制产出数量与时长

您可以控制单次任务生成的视频数量和每个视频的长度范围。

max_count：期望生成的视频数量上限。默认 3，范围 [1, 100]。

min_duration：单个视频的最小时长（秒）。默认 30。

max_duration：单个视频的最大时长（秒）。默认 180。

开启精彩片段前置

为了在视频开头就抓住用户注意力，您可以通过 opening_hook 参数控制是否将全剧最精彩的片段剪辑到视频开头。

auto：（默认）智能判断是否开启。

force：强制开启。

disable：关闭。

使用限制

限制项	说明
输入视频限制	视频来源：支持公网 HTTP/HTTPS URL、本地上传 (mediakit://)、来源于火山引擎视频点播 (vod://) 和火山引擎对象存储 (tos://) 四种输入协议。关于各协议的具体说明和使用示例，请参阅多源媒体输入与本地上传。支持格式：mp4, flv, ts, avi, mov, wmv, mkv 等主流视频格式。数量限制：单次任务支持传入 1 到 30 个视频文件。时长限制：单次任务处理的所有视频累计时长不得超过 120 分钟（2 小时）。输入分辨率限制：当前仅支持 1080p。输入素材需保持分辨率一致，否则会有兼容性问题。输入内容要求：视频必须同时包含视频流和音频流音频流要求：音频轨道中必须包含清晰可识别的中文对话文本，仅含 BGM/纯音乐/语气词的片段无法准确还原剧情。画面字幕：建议视频画面下半部分包含清晰居中的中文字幕，可显著提升文字解说定位与剧情理解准确度。
输出视频数量	支持最多生成 100 个解说视频。
输出视频时长	输出视频的时长限制在 1 到 7200 秒之间。
任务处理时长 (RTF)	任务处理时长与输入视频总时长相关。RTF（Real-Time Factor）指“任务处理耗时 / 输入视频总时长”。文字解说模式：RTF 通常在 3.5 到 5.0 之间。旁白解说模式：RTF 通常在 2.5 到 3.5 之间。此数值仅供参考。当任务并发量较高时，任务处理可能会进入排队状态，实际耗时会相应增加。