# 0.7.2 版本 ## 2026年 10 月 21 日发版版本：LAS AI 1.6.2 版本。 |产品 |版本 | |---|---| |LAS |`v-1.6.2` | |算子库 |`0.7.2` | ### 算子上新 * [具身数据预检](https://docs.volcengine.com/docs/6492/2732229)：面向具身视频采集与标注前的数据筛查，支持检查视频完整性、黑白屏与噪声、画面冻结、闪烁、运动模糊、相机抖动和播放卡顿，并返回结构化问题明细、判定结果和视频元数据。 * [具身标注质检](https://docs.volcengine.com/docs/6492/2732228)：支持核验视频级标注、片段描述和动作时间线与视频证据的一致性，并可对已完成的质检结果生成批次分布、问题归因、分组统计和评测结果。 > **说明** > 具身数据预检和具身标注质检当前均为加白算子。如需使用，请[提交工单](https://console.volcengine.com/workorder/create?step=1)申请开白。 ### 算子优化 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：默认模型调整为 `doubao-seed-2-1-lite-260915`，同步更新支持的 Seed 模型版本，并移除已下线的 Seed 2.0 Pro 和 260215 版本。 * [具身语义标注](https://docs.volcengine.com/docs/6492/2710446)：最大 Poll RPM 提升至 1200；新增支持 `doubao-seed-2-1-lite-260915`，并同步更新支持的模型版本。 * [视频修复](https://docs.volcengine.com/docs/6492/2684597)：固定区域修复新增 `fixed_bboxes_intervals` 参数，可分别设置各固定修复区域在视频中的生效时间范围。 ## 2026年 10 月 15 日发版版本：LAS AI 1.6.1 版本。 |产品 |版本 | |---|---| |LAS |`v-1.6.1` | |算子库 |`0.7.2` | ### 算子优化 * [视频智能混剪](https://docs.volcengine.com/docs/6492/2662856)：新增口播营销混剪、长实拍流程剪辑、实拍与口播复合剪辑、直播切片和成片重包装等剪辑方式，覆盖从素材粗剪、直播拆条到成片二次包装的更多场景。长实拍及复合剪辑还可自动将悬念片段前置为冷开场，帮助提升成片开头的吸引力。 * [人脸模糊](https://docs.volcengine.com/docs/6492/2520842)：一次任务现在可以只生成打码视频、只生成人脸位置数据，或同时生成两种结果。既可直接获得完成隐私处理的视频，也可使用结构化的人脸位置数据开展审核、分析或后续加工，减少重复提交任务。 * [PDF 文档解析（豆包）](https://docs.volcengine.com/docs/6492/2172371)：新增 DOC、DOCX 文档解析能力，您无需先自行将 Word 文档转换为 PDF，即可直接提交解析并获得 Markdown 和结构化结果。使用时需注意单个 Word 文件默认最大为 100 MB，不支持加密的 Word 文档和含宏的 DOCX 文档。 * [视频编辑增强版 2.0](https://docs.volcengine.com/docs/6492/2683692)：进一步明确不同 Seedance 模型可生成的视频清晰度。Seedance 2.0 最高支持 4k，Seedance 2.5 最高支持 1080p，您可以根据画质、处理效率和成本要求选择合适的模型与分辨率。 ### 算子使用与体验 * **LAS 算子免费试用**：所有完成【企业实名认证】的 LAS 新用户统一获得 20 次免费算子任务额度，任务处理成功后才扣减次数，处理失败不扣减。您可在体验中心直接试用已上线的算子，也可以通过 API 试用其他算子，两种方式共用额度，便于在正式使用前验证不同算子是否满足业务需求。详情请参见[LAS 智能数据处理算子](https://docs.volcengine.com/docs/6492/1798368#.5L2T6aqM566X5a2Q6IO95Yqb)。 > **说明** > 当前个人实名认证的 LAS 用户暂不支持试用。 ## 2026年 10 月 10 日发版版本：LAS AI 1.6.0 版本。 |产品 |版本 | |---|---| |LAS |`v-1.6.0` | |算子库 |`0.7.2` | ### 算子上新 * [敏感内容打码](https://docs.volcengine.com/docs/6492/2708599)：支持识别图片或视频中的敏感画面、文字和语音，自动对敏感区域进行高斯模糊、马赛克、纯黑遮挡或径向模糊处理，并可对视频中的敏感语音消音；输出处理后的媒体文件和结构化检测结果。 * [具身语义标注](https://docs.volcengine.com/docs/6492/2710446)：面向真机、UMI 和人类操作视频，支持识别交互物品，生成任务描述、动作起止时间、动作描述和 skill 标签，并可结合候选任务描述进行时序标注。 * [HyperFrames 视频生成](https://docs.volcengine.com/docs/6492/2710447)：支持输入图片、音频和视频参考素材，可在 Prompt 中通过 `@图像N`、`@音频N`、`@视频N` 精确引用，并支持根据参考音频节奏驱动画面变化。 * [语音合成](https://docs.volcengine.com/docs/6492/2710448)：支持将文本或 SSML 合成为语音，通过 SSE 流式返回音频、字幕和时间戳，并可配置音色、音频格式、采样率、语速和音量。 ### 算子优化 * [视频 Prompt 生成](https://docs.volcengine.com/docs/6492/2693880)：新增支持按 `lite`、`standard`、`pro` 档位选择模型，或指定当前地域支持的精确模型；支持在 `requirements` 中提供现有 Prompt、修改要求和保留项，生成调整后的完整 Prompt。 * [视频提示词逆向生成](https://docs.volcengine.com/docs/6492/2693879)：新增支持直接使用视频分镜资产包，按档位或精确模型选择 Prompt 生成模型，并提供通用、美妆和家纺 Prompt 模板；单个分镜时长上限提升至 30 秒。 ## 2026年 09 月 29 日发版版本：LAS AI 1.5.5 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.5` | |算子库 |`0.7.2` | ### 算子优化 * [视频智能混剪](https://docs.volcengine.com/docs/6492/2662856)：新增 `video_spec` 请求参数，支持设置输出视频的宽度、高度、帧率及是否严格校验素材规格。未设置时默认输出 1080×1920、60 fps、非严格校验的视频；开启严格校验后，素材低于目标规格时返回参数错误。 ## 2026年 09 月 23 日发版版本：LAS AI 1.5.4 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.4` | |算子库 |`0.7.2` | ### 算子优化 * [空间感知](https://docs.volcengine.com/docs/6492/2656079)：新增交互物品检测与分割预置任务模板 `active_object_grounding`，可自动识别具身操作视频中的交互物品，返回物体描述、交互状态、bbox、RLE mask 和跨帧轨迹；支持按需仅返回 bbox、扩展至物品全程可见范围，或提供命名与类别上下文。 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)：新增支持输入最多 20 个前贴视频，并可将输出画幅统一设置为竖屏 9:16；Poll 接口同步补充前贴、后贴在素材时间线中的引用和源视频地址。 * [短剧·影视解说智作](https://docs.volcengine.com/docs/6492/2671548)：新增支持上海、广州地域；未指定输出 TOS 目录时，结果预签名链接有效期调整为 3 天。 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：提升默认调用配额，最大 Submit RPM 调整为 2000，最大 Poll RPM 调整为 4000，最大并发度调整为 100。 ## 2026年 09 月 17 日发版版本：LAS AI 1.5.3 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.3` | |算子库 |`0.7.2` | ### 算子上新 * [人声分离](https://docs.volcengine.com/docs/6492/2693885)：将音频或视频中的第一路音频分离为**人声轨**与**伴奏/背景轨**两条音轨，支持 WAV、MP3、AAC 输出；视频输入还可自动生成保留原画面、仅含人声音轨的 MP4，适合二创去背景乐、ASR/字幕预处理提纯人声、伴奏提取、播客降噪等场景。 * [视频 Prompt 生成](https://docs.volcengine.com/docs/6492/2693880)：视频 Prompt 生成算子将自然语言创作需求整理为可执行的视频生成 Prompt。 * [视频提示词逆向生成](https://docs.volcengine.com/docs/6492/2693879)：视频提示词逆向生成算子面向视频复刻和分镜再创作场景。算子先理解源视频事实，再结合每个分镜的时间范围、画面描述和参考图片，输出逐片段、可执行的视频生成 Prompt。 ### 算子优化 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：新增支持 doubao\-seed\-2\-1\-pro\-260915 模型。 * [空间感知](https://docs.volcengine.com/docs/6492/2656079)：新增支持机械臂识别与检测预置任务模版，自动识别视频中的机械臂及夹爪等可见部件，按机械臂实例合并后返回源画面坐标的 bbox 和 RLE mask。 * [短剧剧本生成](https://docs.volcengine.com/docs/6492/2371959)：新增支持generate_asset_images 参数及示例，用于生成最终人物、场景和道具表的代表截图。 * [短剧·影视解说智作](https://docs.volcengine.com/docs/6492/2671548)：新增支持多种预置解说风格模板（`爽剧反转`、`冷静纪实`、`轻松口语`、`犀利吐槽`、`悬疑推理`、`温情叙事`）。 * [视频脚本规划](https://docs.volcengine.com/docs/6492/2618120)：新增支持输入参考图片、参考视频等更多模态输入，帮助更高质量输出视频脚本规划。 * [视频翻译](https://docs.volcengine.com/docs/6492/2499938)：新增支持通过 dubbing_mode 请求参数设置翻译时的配音模式，支持情感复刻和音色还原两种。 * [视频生成增强版/基础版](https://docs.volcengine.com/docs/6492/2595411)：Seedance 2.5 模型新增支持输出 1080p 的视频。 * [视频编辑增强版 2.0](https://docs.volcengine.com/docs/6492/2683692)：新增支持`replace/subject_replace` 预置模版，可用于替换视频中的物体、道具、局部背景、完整背景，或人物与环境的整体内容。 ## 2026年 09 月 09 日发版版本：LAS AI 1.5.1 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.2` | |算子库 |`0.7.2` | ### 算子上新 * [视频编辑增强版 2.0](https://docs.volcengine.com/docs/6492/2683692)：新增上线视频编辑增强版 2.0 算子，提供面向业务场景的视频编辑模板，在保持原视频动作、镜头、构图和时间线的基础上，完成直通生成、通用关键帧编辑、换脸、完整人物替换、通用主体替换或全局风格迁移，提供定向业务场景下更高质量的视频编辑能力。 ### 算子优化 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：新增支持更多视频理解任务预置模板，包括：omni_video_audio_captioning（综合理解画面于声音）、audio_understanding（总结分析纯音频）、speech_recognition（转写音频或视频中的语音，并区分说话人）、embodied_action_captioning_prior（结合候选动作先验生成动作时序标注）。 * [空间感知](https://docs.volcengine.com/docs/6492/2656079)：新增支持手部姿态估计的检测能力，支持识别图片或视频中的手部 21 点关键点及三维姿态。 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)：算子能力优化，新增支持码率与角标相关配置参数，您可按需灵活配置输出素材样式。 * [视频修复](https://docs.volcengine.com/docs/6492/2684597)：算子全新升级，支持更多视频修复能力，包括字幕、滚动字幕、文字水印、角标、Logo 和剧集信息等，能够分别控制字幕与水印的擦除范围，大大提升视频修复输出结果质量。 * [音频重建](https://docs.volcengine.com/docs/6492/2652272)：新增支持纯音频生成能力，纯音频模式可基于权威口播稿直接生成口播音频，优化后，本算子既支持面向多个 AI 生成子视频的统一成片场景，也支持无视频的权威口播稿纯音频生成。 ## 2026年 09 月 03 日发版版本：LAS AI 1.5.1 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.1` | |算子库 |`0.7.2` | ### 算子上新 * [短剧·影视解说智作](https://docs.volcengine.com/docs/6492/2671548)：“短剧·影视解说智作”算子能够基于多集短剧或单部电影素材，自动建立剧情事件索引，按照故事线索，以 `short`、`mid`、`long` 三种大致时长范围规划跳剪解说视频。算子会自动完成画面剪辑、解说稿生成、TTS 配音、字幕生成、混音渲染和结果上传，支持中英文解说、可选参考音频音色克隆以及字幕底框和位置控制，一次任务产出一条适合视频平台投放的高光解说素材。 * [分镜脚本生成](https://docs.volcengine.com/docs/6492/2644329)：分镜脚本生成算子面向剧本生产和电商口播视频工作流，将输入文本转换为标准 `storyboard_bundle`。当前对外提供两种能力：剧本结合人物、道具、场景三个资产 JSON 生成分镜，以及口播文案直接生成分镜。 ### 算子优化 * [视频翻译](https://docs.volcengine.com/docs/6492/2499938)：面容翻译功能新增支持纯视觉说话检测来匹配人脸的功能，当原视频语音与口型不匹配时，可设置 `lip_translate_param.lip_fuzzy_matching=true`，使用纯视觉说话检测模糊匹配，实现译后语音与人物口型同步；适用于原视频语音与口型不完全匹配的场景。 * [人脸模糊](https://docs.volcengine.com/docs/6492/2520842)：新增支持检测模式（`blur_mode=detect`），此模式下对输入视频进行人脸检测，仅返回逐帧人脸 bbox JSON 文件，不直接输出处理后的视频。 * [短剧剧本解析](https://docs.volcengine.com/docs/6492/2608635)：新增支持更多语种的剧本（日/韩/泰/印尼/越南语），除中文剧本外，其他语种剧本解析后，返回英文剧本解析结果。 * [视频脚本规划](https://docs.volcengine.com/docs/6492/2618120)：新增支持输入多模态参考内容（参考图片、参考 PDF 文档）。 ## 2026年 08 月 25 日发版版本：LAS AI 1.5.0 版本。 |产品 |版本 | |---|---| |LAS |`v-1.5.0` | |算子库 |`0.7.2` | ### 算子上新 * [视频智能混剪](https://docs.volcengine.com/docs/6492/2662856)：视频智能混剪算子基于对输入素材的理解、语音识别、语义检索与大模型编排能力，将口播、空镜或长实拍素材按文案、结构化分镜或自然语言创作要求自动匹配、排序并剪辑合成为最终成片。 * [空间感知](https://docs.volcengine.com/docs/6492/2656079)：空间感知算子面向图片与视频提供对象检测、实例分割和跨帧跟踪能力。调用方可使用自然语言、像素点或像素框指定目标，获得映射到源媒体坐标的对象框、实例 mask 和视频轨迹标识，适合需要结构化视觉结果的具身操作、工业巡检和内容分析场景。 ## 2026年 08 月 19 日发版版本：LAS AI 1.4.4 版本。 |产品 |版本 | |---|---| |LAS |`v-1.4.4` | |算子库 |`0.7.2` | ### 算子上新 * [音频重建](https://docs.volcengine.com/docs/6492/2652272)：音频重建算子算子可基于输入的多个待处理视频顺序，合并视频画面，重新规划覆盖整片的音频时间轴，生成统一音频并替换原视频音轨，最终输出合成视频、独立重建音频和 SRT 字幕，适用于面向多个 AI 生成子视频的统一成片场景。 ### 算子优化 * [短剧剧本解析](https://docs.volcengine.com/docs/6492/2608635)：算子能力增强，新增支持泰文剧本解析。 ## 2026年 08 月 12 日发版版本：LAS AI 1.4.3 版本。 |产品 |版本 | |---|---| |LAS |`v-1.4.3` | |算子库 |`0.7.2` | ### 算子上新 * [复刻语音合成](https://docs.volcengine.com/docs/6492/2636803)：将输入文本合成为语音音频，支持通过声音风格描述设计音色，也支持基于参考音频进行可控克隆或高保真续写。 * [短剧剧本裂变](https://docs.volcengine.com/docs/6492/2608633)：用于在已有分集剧本的基础上完成定向改写。算子会保留原剧本的核心人物结构、冲突链路、情绪曲线和爽点节奏，对人物身份、世界观设定、地域语境、行业背景和关键术语进行系统性重写，生成适配目标市场和目标题材的新剧本版本。输出结果包括裂变后的分集剧本目录、全集剧本、大纲和前后映射表，适合用于短剧出海、爆款复刻和内容方向测试。 * [爆款文案生成](https://docs.volcengine.com/docs/6492/2636771)：参考视频生成商品口播与分镜算子，面向电商短视频创作场景。算子会联合理解参考视频、目标商品图片和可选的自然语言要求，生成可直接交给下游文生视频流程的标准分镜包。 ### 算子优化 * [视频编辑增强版](https://docs.volcengine.com/docs/6492/2499936)：新增支持 Seedance 2.5 模型。 * [短剧剧本生成](https://docs.volcengine.com/docs/6492/2371959)：新增支持设置输出剧本的语种，您可设置 `out_script_language` 请求参数来进行设置，当前支持：中文、英文。 * [视频翻译](https://docs.volcengine.com/docs/6492/2499938)：新增支持面容翻译功能，您可按需开启面容翻译开关（请求参数`lip_translate`），开启后，将翻译后音频对应的发音口型迁移到视频中的目标人物面部，使口部动作与目标语言发音同步，生成的翻译视频无违和感，观感更流畅。使用此功能，会在视频翻译的基础上增强面容翻译的费用，并显著延长算子处理时长。 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)：提高算子输出视频质量，重点提升产出视频的高光开头和结尾钩子的输出质量。 * [视频分镜](https://docs.volcengine.com/docs/6492/2299022)：支持输入的视频时长延长，当前支持输入 1h 内的视频作为输入。 ## 2026 年 08月 05日本次随 LAS 1.4.2 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.4.2` | |算子库 |`0.7.2` | ### 算子上新 * [视频脚本规划](https://docs.volcengine.com/docs/6492/2618120)：输入视频主题和创作要求，即可生成一份可用于后续制作的视频生产规划。规划会将创意拆解为清晰的内容结构、镜头安排、素材建议和时长节奏，适合教育及营销视频的前期策划。 * [短剧剧本裂变](https://docs.volcengine.com/docs/6492/2608633)：用于在已有分集剧本的基础上完成定向改写。算子会保留原剧本的核心人物结构、冲突链路、情绪曲线和爽点节奏，对人物身份、世界观设定、地域语境、行业背景和关键术语进行系统性重写，生成适配目标市场和目标题材的新剧本版本。输出结果包括裂变后的分集剧本目录、全集剧本、大纲和前后映射表，适合用于短剧出海、爆款复刻和内容方向测试。 ### 算子优化 * [视频翻译](https://docs.volcengine.com/docs/6492/2499938)：算子能力增强，提高视频翻译输出的人声质量，并优化字幕烧录后合入视频画面的视觉效果。 ## 2026 年 07月 30日本次随 LAS 1.4.1 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.4.1` | |算子库 |`0.7.2` | ### 算子上新 * [短剧剧本解析](https://docs.volcengine.com/docs/6492/2608635)：用于将短剧剧本文本自动转化为结构化资产表。算子会读取一个或多个剧本文件，自动识别剧本格式与输出语言，提取人物、道具、场景三类资产，并通过视觉扩写补充人物外观、人物造型、道具视觉描述和场景空间描述，最终将结果保存为 JSON 文件。 * [Lance 通用检索](https://docs.volcengine.com/docs/6492/2602649)：为存储在火山引擎对象存储（TOS）上的 Lance 及 LanceDB 格式数据提供统一、高效的检索能力，支持向量检索、全文检索、混合检索和纯量查询，适用于海量结构化、非结构化数据检索场景。 ### 算子优化 * [短剧剧本生成](https://docs.volcengine.com/docs/6492/2371959)：优化算子能力，提高剧本生成质量，进行剧本逆向生成时，增加输入视频的音频信息作为输入；输出剧本内容更加符合短剧剧本标准格式；支持输出更多剧本资产内容（结构化资产目录、全局场景表、道具表）。 ## 2026 年 07月 23 日本次随 LAS 1.4.0 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.4.0` | |算子库 |`0.7.2` | ### 算子优化 * [视频翻译](https://docs.volcengine.com/docs/6492/2499938)：新增支持字幕烧录能力，将翻译字幕烧录到对应的输出视频中，并支持自由设置字体、字号、颜色等参数。 * 通用：LAS 算子新增支持异步回调能力，对于异步任务算子，此前您需要通过 submit 接口提交任务，再通过 Poll 接口获取任务运行状态，并获取算子处理结果。本次版本开始，部分算子支持异步回调能力（Callback），您可在发起算子调用任务时设置回调参数`callback.url`，LAS 会向该 URL 发送 HTTP POST 通知。异步回调的使用指导可参见[异步回调 API](https://docs.volcengine.com/docs/6492/2603607)。 ## 2026 年 07月 16 日本次随 LAS 1.3.5 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.5` | |算子库 |`0.7.2` | ### 算子优化 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)：新增支持输入后贴视频，通过 postroll_url 请求参数提供后贴视频后，每个输出素材的末尾会自动拼接该后贴视频。 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)： * 面向具身场景的任务模板（`embodied_active_object_detection`、`embodied_action_captioning`）新增支持v2版本的任务模板，相较于此前的v1版本，v2版本的处理效果更优、成本相对更高。 * 新增支持 `object_detection` （目标检测任务）任务模板，可用于检测输入的指定目标并返回 bbox。 * [视频智能剪辑](https://docs.volcengine.com/docs/6492/2221469)：支持输入多个输入视频进行剪辑；输入多个视频时，视频时长整体不可超过 5h、大小不可超过 5GB。 ## 2026 年 07月 14 日本次随 LAS 1.3.4 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.4` | |算子库 |`0.7.2` | ### 算子优化 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)算子新增支持自定义设置短剧三要素的标题字号、标题位置、透明度。 ## 2026 年 07月 09 日本次随 LAS 1.3.3 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.3` | |算子库 |`0.7.2` | ### 算子优化 * [语音转文字(Doubao-Seed-2.0-lite)增强版](https://docs.volcengine.com/docs/6492/2550937)算子新增支持在线体验能力，为所有用户提供 5 分钟的免费体验额度，您可以在算子页面提交一个音频文件，试用算子能力，查看音频转文字的处理结果。 ## 2026 年 07月 06 日本次随 LAS 1.3.2 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.2` | |算子库 |`0.7.2` | ### 算子优化 * [视频智能剪辑](https://docs.volcengine.com/docs/6492/2221469)：新增支持音频剪辑能力。预置的剪辑任务新增单人口播、双人口播的音频剪辑任务场景；也可以在自定义任务描述中按需描述您的音频剪辑诉求。算子会为您完成音频剪辑后返回音频切片的语义化字段（包括：speaker、label等），便于您基于返回结果对音视频进行深度加工，例如，通过label来过滤午休的噪音、拍摄调度片段等。 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：算子 ID 变更，此版本后，视频精细理解算子 ID 变更为 `las_video_understanding`，此版本前的旧算子 ID 为 `las_long_video_understand` 可继续使用，新用户建议使用新的算子 ID 来调用算子。 ## 2026 年 06月 26 日本次随 LAS 1.3.1 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.1`、`v-1.3.1.1` | |算子库 |`0.7.2` | ### 新增算子新增以下2个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频生成 |[【已下线-用新版】短剧素材解说](https://docs.volcengine.com/docs/6492/2545168) |* 新增 |* 在线 |* 短剧素材解说算子能够基于单个短剧或影视素材视频，自动理解剧情内容、识别原片台词、生成爆款风格解说稿，并完成解说配音与视频渲染，最终输出带旁白解说的新视频。算子会在关键剧情段落保留适当原声留白，在解说覆盖时降低原声音量，帮助快速生成适合短视频平台分发的剧情解说素材。

* 核心功能：

* **视频内容理解**：自动分析输入视频画面、剧情推进、人物关系和关键事件，为解说稿生成提供上下文依据。

* **原片 ASR 识别**：自动识别原视频中的台词和语音内容，辅助判断剧情信息和可保留的高光原声片段。

* **爆款解说稿生成**：支持通过 `style_prompt` 控制解说风格，默认生成节奏紧凑、先抛钩子、不剧透关键反转的短剧解说稿。

* **留白密度控制**：支持 `none`、`low`、`medium`、`high` 四档留白密度，控制解说覆盖比例和原片高光保留程度。

* **TTS 配音与时间对齐**：自动将解说稿合成为语音，并对齐到视频时间窗，保证旁白节奏与画面内容相匹配；当前支持生成中文解说配音，解说音色为预置默认模板。

* **字幕与视频渲染**：自动生成解说字幕并完成视频渲染，输出带旁白与字幕的最终成片。 | #### 音频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |音频识别 |[语音转文字(Doubao-Seed-2.0-lite)增强版](https://docs.volcengine.com/docs/6492/2550937) |* 新增 |* 在线 |* LAS语音转文字(Doubao\-Seed\-2.0\-lite)增强版算子在底层 SeedASR 识别的基础上，默认开启 Doubao\-Seed\-2.0\-lite 多模态精修能力：先完成输入下载、音频抽取、时长探测与基础 ASR 识别，再将音频切片、识别草稿与热词上下文发送给多模态模型进行精修，对专有名词、数字、标点、语义连贯性进行纠正，并补全漏识别内容。支持多种音/视频格式、多语种、说话人分离、热词增强与敏感词保护，适用于会议访谈、播客课程、内容质检等对文本质量要求较高的场景。

* 核心功能：

* 多模态精修（默认开启）：

* 在基础识别结果之上，调用 Doubao\-Seed\-2.0\-lite 多模态模型，对专有名词、数字、标点、语义连贯性进行纠正与补全，显著提升转写文本质量。

* 精修失败时可回退基础 ASR 结果，保证可用性。

* 多格式音频/视频输入识别：

* 支持音频与视频文件输入，自动提取视频音轨进行识别。

* 丰富的识别能力：

* 支持文本规范化（ITN）、自动标点、语义顺滑（DDC）、说话人分离。

* 热词与敏感词：

* 支持热词直传与热词表增强，热词同时进入底层 ASR 与精修 Prompt。

* 支持敏感词保护：系统脱敏内容可不送精修模型，并支持自定义置空/星号替换。 | ### 算子优化 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)算子：新增支持doubao\-seed\-2.1\-pro、doubao\-seed\-2.1\-turbo 模型。 ### 其他优化 * 算子服务的监控指标扩展，对于“Seedance视频生成（豆包系列）”算子，新增支持任务排队耗时、成功生成数量、失败任务及错误码分布等指标，便于您及时了解此算子的任务执行情况。 * 算子广场及单个算子页面展示内容 UI 优化改进： * 算子广场页面中，可悬浮至某个算子卡片，即可唤起算子的计费、输入输出模态、性能等核心信息，快速了解算子要点信息。 * 单个算子页面中，为您新增展示算子的计费、核心能力、主要限制等内容，并在右上方为您提供了算子文档的链接，您也可便捷地跳转至算子帮助文档查看算子的详细内容。 ## 2026 年 06月 16日本次随 LAS 1.3.0 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.3.0` | |算子库 |`0.7.2` | ### 新增算子新增以下3个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频修复 |[字幕擦除](https://docs.volcengine.com/docs/6492/2545169) |* 新增 |* 在线 |* 字幕擦除算子，自动检测并擦除视频画面中的内嵌硬字幕，输出擦除后的视频文件。适合面向竖屏白色字幕的视频进行字幕擦除，提供高效、经济的字幕擦除方案，适用于对成本和速度有较高要求的通用场景。

* 核心能力：

* 智能自动检测画面内嵌字幕区域并擦除。

* 面向竖屏白色字幕场景优化，处理效率高、成本低。

* 异步任务处理，提交后通过轮询获取结果。

* 输出擦除后的视频文件及视频时长。 | ||[字幕擦除精细版](https://docs.volcengine.com/docs/6492/2545170) |* 新增 |* 在线 |* 字幕擦除精细版算子，自动检测并擦除视频画面中的内嵌硬字幕，输出擦除后的视频文件。适合面向竖屏白色字幕的视频进行字幕擦除，相比标准版擦除后的效果更好，不会留下比较明显的模糊，能精准重建背景纹理、更大程度地还原视频原始画面，适用于短剧出海、专业二创等对画质要求极高的场景。

* 核心能力

* 智能自动检测画面内嵌字幕区域并擦除。

* 支持指定区域擦除：可通过比例坐标精确指定需要擦除的区域。

* 高质量无痕擦除，细节保留更完整，不会留下明显模糊，画质更高。

* 支持 `Subtitle` / `Text` 两种擦除模式，覆盖字幕及画面文字场景。

* 支持 `Quality` / `Size` 两种输出编码策略，兼顾画质与文件体积。

* 异步任务处理，提交后通过轮询获取结果。 | ## 2026 年 06月 11日本次随 LAS 1.2.6 版本的发布，有以下算子变更。 ### 能力优化升级 * [爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611)：爆款素材剪辑算子的输入视频，单集视频长度上限从 5 分钟提升至 10 分钟；新增支持通过请求参数`use_subdir`来增加输出结果的独立子目录，避免多次请求的结果覆盖；新增支持将分镜分析结果单独存储到输出 TOS 路径下的 JSON 文件中。 ## 2026 年 06月 09日本次随 LAS 1.2.5 版本的发布，有以下算子变更。 ### 能力优化升级 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：视频精细理解算子新增支持”音视频联合理解“能力，您可在使用算子服务时，在请求参数中选择视频理解任务模板为`video_audio_understanding`，即可结合您输入视频的画面、语音、音效等音视频信息生成综合理解结果。 > **说明** > 使用 Seed 2.0 Mini、Seed 2.0 Lite 模型时，仅 260428 版本支持音频理解。 ## 2026 年 06月 02 日本次随 LAS 1.2.3 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.2.3` | |算子库 |`0.7.2` | ### 新增算子新增以下1个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[人脸模糊](https://docs.volcengine.com/docs/6492/2520842) |* 新增 |* 在线 |* 人脸模糊算子，面向视频内容的自动化人脸模糊处理工具。算子能够自动识别视频中的人脸，并根据用户指定的模糊等级，对人脸进行模糊处理，保护用户隐私。

* 核心功能：

* 自动检测视频帧中的人脸并进行模糊处理

* 支持多种模糊类型（马赛克、高斯）

* 支持多种不同区域的精细模糊（如脸部椭圆形模糊、贴脸型模糊、眼部区域模糊等）

* 统一输出模糊后的视频路径（即使未检测到人脸也会重新编码输出） | ### 能力优化升级 * [视频帧采样](https://docs.volcengine.com/docs/6492/2165175)：视频帧采样支持采样帧率 `fps` 的取值范围扩大，当前版本升级有支持采样帧率为 `0.1 ~ 10.0`（此前为0.1~5.0）。 ## 2026 年 05月 28 日本次随 LAS 1.2.2 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.2.2` | |算子库 |`0.7.2` | ### 新增算子新增以下2个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[视频编辑增强版](https://docs.volcengine.com/docs/6492/2499936) |* 新增 |* 在线 |* 视频编辑增强版在线服务，结合输入视频与参考图片完成定向视频替换，适用于广告素材重制、商品替换、背景重绘和视频创意编辑等场景。

* 核心功能：

* 支持 `scene_replace` 场景替换，保持原视频中的人物、商品、动作和镜头结构，替换背景或环境风格。

* 支持 `object_replace` 物体替换，基于参考图片将视频中的目标物体替换为指定样式或商品。

* 支持通过 `user_prompt` 补充自然语言编辑约束，例如保留动作、移除水印、避免字幕或控制风格细节。

* 支持有限次数的自动评估与重试，帮助在复杂素材上获得更稳定的替换结果。

* 支持返回最终视频结果和 `result.json` 诊断文件，便于调用方留存生成结果与过程信息。 | |视频翻译 |[视频翻译](https://docs.volcengine.com/docs/6492/2499938) |* 新增 |* 在线 |* 视频翻译算子，可高效、精准地将视频内容从源语言转换为一种或多种目标语言，服务范围不仅包含字幕翻译，还涉及语音翻译，最终输出配音后的视频以及相应语言的字幕文件。

* 核心功能：

* **多语种支持**：支持多种语言的翻译，输入语言支持25种语言的视频输入，输出语言支持31种语言的音频配音，涵盖中文、英语、日语、印尼语、西班牙语、葡萄牙语、韩语、法语、德语等多种常见语言。依托大模型强大的翻译能力，可实现极高的翻译准确率与术语本地化能力，满足全球化内容传播的需求。

* **音色复刻**：能够精准提取视频中说话人的声音，实现对说话人声音特质1:1还原。同时，翻译后的语音能够与原始视频的时长精准对齐，确保视频的流畅性和一致性。

* **便捷的结果交付**：支持将翻译后字幕、配音后人声音频与视频直接安全地写入您指定的云端存储（TOS），同时生成预签名下载链接。 | ### 能力优化升级 * [多模态深度思考（Doubao-seed-2.0）](https://docs.volcengine.com/docs/6492/2250683)：模型能力扩展，新增支持doubao\-seed\-2\-0\-mini\-260428、doubao\-seed\-2\-0\-lite\-260428模型，且新增这两类模型后，算子能力基于这两个模型可支持对“音频”类的数据进行推理。 ## 2026 年 05月 21 日本次随 LAS 1.2.1 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.2.1` | |算子库 |`0.7.2` | ### 新增算子新增以下1个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频剪辑 |[爆款素材剪辑](https://docs.volcengine.com/docs/6492/2483611) |* 新增 |* 在线 |* 爆款素材剪辑算子能够基于多集短剧视频，自动完成分镜检测、语义分析、剪辑决策与视频合成，批量生成多个适合在短视频平台投放的引流素材视频。

* 核心功能：

* **多集短剧批量处理**：一次性输入多集短剧，自动完成全部分析与剪辑，批量输出多个爆款素材。

* **智能剪辑方案生成**：自动分析剧情内容，生成多种剪辑方案（顺剪/跳剪），满足不同投放需求。

* **非正片内容自动清洗**：自动检测并去除定格画面、前后集重复内容等无关画面。

* **分镜级语义理解**：对每个镜头进行剧情理解与重要性评级，输出结构化分镜分析结果。

* **剧本还原**：自动还原多集短剧的完整剧本，包含角色关系、场景结构与剧情脉络。

* **短剧三要素渲染**：支持在素材中添加剧名标题、提示语和角标，适配短剧竖屏场景。

* **精彩前置**：支持将高光片段前置到素材开头，快速吸引观众注意力。 | ### 能力优化升级 * [视频精细理解](https://docs.volcengine.com/docs/6492/2275546)：模型能力扩展，新增支持 doubao\-seed\-2\-0\-mini\-260428、doubao\-seed\-2\-0\-lite\-260428 模型。 * [视频分镜](https://docs.volcengine.com/docs/6492/2299022)：新增支持多个视频输入，提交算子处理任务时，可在`video_url`请求参数中基于`string/array` 的格式输入多个待处理视频。 ## 2026 年 05月 14 日本次随 LAS 1.2.0 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.2.0` | |算子库 |`0.7.2` | ### 新增算子新增以下5个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频分析 |[短剧剧本生成](https://docs.volcengine.com/docs/6492/2371959) |* 新增 |* 在线 |* 短剧/电影剧本生成算子是面向短剧以及长视频/电影等连载或超长视频内容的自动化剧本逆向提取工具。算子依托视觉多模态大模型（VLM），能够自动提取全剧/全片角色、分析人物关系，并基于画面与台词逆向生成包含场景、动作、神态及对话等细节的高质量文本剧本和角色表，助力视频内容的二次创作、出海翻译与版权保护。

* 核心功能：

* **角色一致性识别**：突破单集、单片段孤立理解的局限，能够在长篇连载或超长电影中稳定追踪核心角色。在面临换装、侧脸或复杂场景切换时，保障跨集人物身份与设定的高度一致，最终构建完整的全局角色表。

* **高保真剧本逆向还原**：结合视频画面与对白台词，逆向输出专业级分镜剧本（电影模式下带有精确时间戳）。精细还原场景布置、人物情绪、肢体动作以及关键对白，提供可以直接投入二次开发或翻译校对的高质量文本底稿。

* **双模式自适应架构**：

* **短剧模式**：支持批量传入多集短剧列表，严格按照输入顺序处理，保持连载剧情的连贯性与角色一致性。

* **电影模式**：针对单集数小时的电影或长录像，自动启动长视频自适应处理策略，有效缓解大模型长上下文带来的细节遗忘问题。

* **灵活的输出格式定制**：提供开放的自定义指令（Prompt）接口。您可以根据具体的业务要求（如：侧重心理描写、特定的分镜排版格式、特定的文本标记等）自由调整单集剧本的生成样式，满足不同下游业务的直接对接需求。

* **便捷的结果交付**：支持将生成的角色表与全集剧本直接安全地写入您指定的云端存储（TOS），也可生成打包好的预签名下载链接。 | |视频处理 |[视频帧采样](https://docs.volcengine.com/docs/6492/2165175) |* 新增 |* 在线 |* 视频抽帧算子支持对输入视频按指定帧率进行抽帧，将抽取的图片帧上传至指定 TOS 存储路径。任务完成后，您可以获取视频元信息以及每一帧的访问地址。算子支持可配置的抽帧频率、最大帧数限制、输出图片格式和缩放策略，适用于视频理解、检测、审核、摘要、封面生成等场景。

* 核心功能：

* **按帧率抽帧**：按指定 FPS（0.1 ~ 5.0）对视频进行均匀抽帧。

* **最大帧数限制**：可设置 `max_frames` 参数控制输出帧数上限，避免长视频产生过多帧。

* **多格式输出**：支持输出 `jpg` 和 `png` 两种图片格式。

* **灵活缩放**：支持按短边缩放（`resize_short_side`）或指定目标分辨率（`resize_hw`），满足不同场景需求。

* **自定义输出路径**：通过输出路径模板自定义抽帧图片在 TOS 上的存储路径。

* **长视频支持**：适合处理长时间视频，可通过 `max_frames` 控制输出规模。 | ||[视频超分](https://docs.volcengine.com/docs/6492/2436515) |* 新增 |* 在线 |* 视频超分在线服务，基于视频超分模型对输入视频进行清晰度增强与分辨率提升，输出更高分辨率的视频结果。适用于老片修复、素材增强、4K 制作和视频清晰化等场景。

* 核心能力

* 支持通过 `target_width` 指定目标分辨率。

* 支持自动保持视频方向并推导目标分辨率。

* 支持自动保留原视频音频，并自动上传到 TOS。 | ||[视频插帧](https://docs.volcengine.com/docs/6492/2439958) |* 新增 |* 在线 |* 视频插帧算子用于对输入视频进行升帧处理，通过生成中间帧提升画面流畅度，并输出新的高帧率视频文件。您可以按需指定目标帧率、选择插帧模式，并决定是否保留原始音频流。

* 使用限制

* 输入视频需要可被服务访问，支持 `http/https` 和 `tos://`。

* `output_tos_path` 必须是当前账号可写的 TOS 目录。

* `target_fps` 必须大于 `0`，且不能小于源视频帧率。

* 当前版本视频时长限制为 `3` 小时，视频大小限制为 `10GB`。

* 算子依赖 CUDA GPU 和视频插帧模型，分辨率越高、目标帧率越高、视频越长，整体耗时越高。 | #### 方舟大模型系列 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频分析 |[视频字幕翻译](https://docs.volcengine.com/docs/6492/2372046) |新增 |* 在线 |* 视频字幕翻译算子，支持从视频中提取字幕并进行多语言翻译。用户可以选择通过 OCR 识别画面内嵌字幕，或通过 ASR 提取音频字幕，再对识别出的字幕进行精修和翻译，输出多种格式的字幕文件。

* 核心功能：

* **双字幕来源**：支持 OCR 识别画面内嵌字幕和 ASR 提取音频字幕两种方式。

* **多种精度级别**：每种字幕来源均支持低精度和高精度两档配置，满足不同场景需求。

* **多语言翻译**：支持 25 种语言的字幕翻译，包括中文、英文、日文、韩文、法文、德文、西班牙文等。

* **多格式输出**：支持同时输出多种格式的字幕文件。

* **双语字幕识别**：OCR 模式支持识别翻译型双语字幕和对话型双语字幕。 | ## 2026 年 04月 23 日本次随 LAS 1.1.2 版本的发布，有以下算子变更。 |产品 |版本 | |---|---| |LAS |`v-1.1.2` | |算子库 |`0.7.2` | ### 新增算子新增以下三个算子。 #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[视频帧采样](https://docs.volcengine.com/docs/6492/2165175) |新增 |* 在线 |* 此前仅支持离线 Daft 调用方式，本次新增支持在线 Rest API 的调用方式。

* 视频抽帧算子支持对输入视频按指定帧率进行抽帧，将抽取的图片帧上传至指定 TOS 存储路径。任务完成后，您可以获取视频元信息以及每一帧的访问地址。算子支持可配置的抽帧频率、最大帧数限制、输出图片格式和缩放策略，适用于视频理解、检测、审核、摘要、封面生成等场景。

* 核心功能：

* **按帧率抽帧**：按指定 FPS（0.1 ~ 5.0）对视频进行均匀抽帧。

* **最大帧数限制**：可设置 `max_frames` 参数控制输出帧数上限，避免长视频产生过多帧。

* **多格式输出**：支持输出 `jpg` 和 `png` 两种图片格式。

* **灵活缩放**：支持按短边缩放（`resize_short_side`）或指定目标分辨率（`resize_hw`），满足不同场景需求。

* **自定义输出路径**：通过输出路径模板自定义抽帧图片在 TOS 上的存储路径。

* **长视频支持**：适合处理长时间视频，可通过 `max_frames` 控制输出规模。 | |视频分析 |[短剧剧本生成](https://docs.volcengine.com/docs/6492/2371959) |新增 |* 在线 |* 短剧/电影剧本生成算子是面向短剧以及长视频/电影等连载或超长视频内容的自动化剧本逆向提取工具。算子依托视觉多模态大模型（VLM），能够自动提取全剧/全片角色、分析人物关系，并基于画面与台词逆向生成包含场景、动作、神态及对话等细节的高质量文本剧本和角色表，助力视频内容的二次创作、出海翻译与版权保护。

* 核心功能：

* **角色一致性识别**：突破单集、单片段孤立理解的局限，能够在长篇连载或超长电影中稳定追踪核心角色。在面临换装、侧脸或复杂场景切换时，保障跨集人物身份与设定的高度一致，最终构建完整的全局角色表。

* **高保真剧本逆向还原**：结合视频画面与对白台词，逆向输出专业级分镜剧本（电影模式下带有精确时间戳）。精细还原场景布置、人物情绪、肢体动作以及关键对白，提供可以直接投入二次开发或翻译校对的高质量文本底稿。

* **双模式自适应架构**：

* **短剧模式**：支持批量传入多集短剧列表，严格按照输入顺序处理，保持连载剧情的连贯性与角色一致性。

* **电影模式**：针对单集数小时的电影或长录像，自动启动长视频自适应处理策略，有效缓解大模型长上下文带来的细节遗忘问题。

* **灵活的输出格式定制**：提供开放的自定义指令（Prompt）接口。您可以根据具体的业务要求（如：侧重心理描写、特定的分镜排版格式、特定的文本标记等）自由调整单集剧本的生成样式，满足不同下游业务的直接对接需求。

* **便捷的结果交付**：支持将生成的角色表与全集剧本直接安全地写入您指定的云端存储（TOS），也可生成打包好的预签名下载链接。 | #### 方舟大模型系列 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视觉理解组 |[视频字幕翻译](https://docs.volcengine.com/docs/6492/2372046) |新增 |* 在线 |* 视频字幕翻译算子，支持从视频中提取字幕并进行多语言翻译。用户可以选择通过 OCR 识别画面内嵌字幕，或通过 ASR 提取音频字幕，再对识别出的字幕进行精修和翻译，输出多种格式的字幕文件。

* 核心功能：

* **双字幕来源**：支持 OCR 识别画面内嵌字幕和 ASR 提取音频字幕两种方式。

* **多种精度级别**：每种字幕来源均支持低精度和高精度两档配置，满足不同场景需求。

* **多语言翻译**：支持 25 种语言的字幕翻译，包括中文、英文、日文、韩文、法文、德文、西班牙文等。

* **多格式输出**：支持同时输出多种格式的字幕文件。

* **双语字幕识别**：OCR 模式支持识别翻译型双语字幕和对话型双语字幕。 | ### 其他算子变更 * [视频修复--旧版待下线](https://docs.volcengine.com/docs/6492/2253844)算子：调整算子的修复视频的限制为最长 3 小时、最大 10 GB，计费逻辑与视频时长、输出帧率关联。平台基础计费基准帧率为 30fps，若输出帧率高于 30fps，将按照对应帧率倍率系数折算计费。 ## 2026 年 02月 27 日~2026 年 04月 08 日 |产品 |版本 | |---|---| |LAS |`v-1.1.0`、`v-1.0.8`、`v-1.0.5`、`v-1.0.3`、`v-1.0.2`、`v-1.0.0`、`v-0.1.0` | |算子库 |`0.7.2` | 当前版本新增算子25个（离线：18；在线：7），并支持了豆包类算子的Job模式调用能力（当前仅多模态深度思考\-豆包系列算子支持），同时对Daft引擎进行了升级，更多版本变更详情如下。 > **说明** > 以下为当前版本的发布记录，全量支持的算子列表请参见[支持的算子列表：在线算子](https://docs.volcengine.com/docs/6492/2192001)、[支持的算子列表：离线算子](https://docs.volcengine.com/docs/6492/2165078)。 ### 新增算子 #### 方舟 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视觉理解 |[视频精细理解](https://docs.volcengine.com/docs/6492/2275546) |新增 |* 在线 |* LAS 视频精细理解 API 面向各类视频内容，提供多维度、精细化的结构化理解。无论是短视频、电影片段还是长时会议录像，用户上传视频即可获得可搜索、可问答的内容数据和精细摘要。

* 核心功能

* **全局精细理解**：支持小时级（最大支持3 小时、10 GB）视频，生成连贯时间线与章节总结。

* **事件与行为识别**：精准检测关键事件、人物动作、场景变化和逻辑关系。

* **视频问答**：基于视频内容的自然语言问答，快速定位答案及时间戳。

* **高效摘要与标签**：自动生成章节摘要、主题标签和人物关系，便于知识管理。

* **结构化输出**：提供 JSON 格式 timeline、事件列表，方便二次处理或知识库构建。 | |图片编辑 |[图片生成编辑（豆包seedream系列模型）](https://docs.volcengine.com/docs/6492/2221472) |新增 |* 离线 |* 首次发布图片生成编辑（豆包seedream系列模型）算子

* 核心功能：

* 文生图：仅输入 `prompt` 即可生成图像

* 图生图：输入 `reference_images`（1 张或多张参考图）+ `prompt`，在参考图基础上生成图像

* 组图生成：通过 `sequential_image_generation="auto"` + `sequential_image_generation_options={"max_images": N}` 一次生成多张图

* 输出格式支持：

* `response_format="url"`：返回图片链接（链接生成后 24 小时内失效）

* `response_format="b64_json"`：返回 base64 字符串

* 提示词优化（仅部分版本支持）：`optimize_prompt_options={"mode": "standard" \| "fast"}` | |多模态深度思考 |[多模态深度思考（Doubao-seed-2.0）](https://docs.volcengine.com/docs/6492/2250683) |新增 |在线 |* 多模态场景下提供大模型的深度思考能力，使用具备深度思考能力的模型，对图片、视频或文本进行分析理解，并返回结构化文本输出。算子会自动构建符合多模态模型规范的 message 结构，用户只需按约定提供图片 / 视频 / 文本数据即可完成推理。

* 核心功能

* 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content）

* 多模态场景支持：同时支持图片 / 视频 / 文本输入，自动完成多模态消息拼装

* 输入简化机制：支持本地文件、HTTP/HTTPS URL、TOS/S3 对象存储等多种数据源，通过简单配置即可实现视觉理解能力

* 灵活思考模式：支持通过 thinking_type 参数控制深度思考模式（enabled / disabled / auto），在回答质量与性能之间灵活权衡 | #### 图片 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |图片处理 |[图片重采样](https://docs.volcengine.com/docs/6492/2165182) |优化 |* 在线

* 离线 |新增支持 Rest API 调用方式（在线调用方式）。 | ||[图像质量评分](https://docs.volcengine.com/docs/6492/2221466) |新增 |* 离线 |* 首次发布图片生成（ Seedream 系列模型）算子，可根据用户输入的文本或参考图像生成高质量图片，支持组图与流式输出。

* 核心功能

* 文生图/图生图/组图生成

* 支持流式输出（SSE）与非流式输出

* 输出格式支持 url 与 b64_json | ||[图像清晰度计算](https://docs.volcengine.com/docs/6492/2221455) |新增 |* 离线 |* 图像清晰度计算处理器，支持多种清晰度评估方法。

* 核心功能

* 提供4种专业级清晰度评估方法：

* 拉普拉斯方差法（laplacian） \- 基于二阶导数的边缘检测，计算简单快速

* Tenengrad法（tenengrad） \- 基于Sobel梯度的边缘强度，对噪声敏感

* Brenner法（brenner） \- 基于相邻像素灰度差的简单计算，速度最快

* FFT高频能量法（fft_highfreq） \- 基于频域分析的清晰度评估，对模糊更敏感

* 多格式输入支持：

* URL地址（image_url）

* Base64编码（image_base64）

* 二进制流（image_binary）

* 高精度计算：

* 支持处理各种尺寸和格式的图像

* 自动处理NaN值和异常情况 | ||[图片压缩](https://docs.volcengine.com/docs/6492/2221462) |新增 |* 离线 |* 图像压缩处理器，支持多种插值算法和多种输入输出。

* 核心功能

* 输入格式：

* URL 地址（image_url）

* Base64 编码（image_base64）

* 二进制流（image_binary）

* 压缩与缩放：

* 质量压缩（quality 参数）

* 尺寸缩放（target_size 或保持原尺寸）

* 多种插值算法：nearest / bilinear / bicubic / lanczos

* 输出模式：

* 返回压缩后图片的 Base64 字符串

* 可选将图片保存到 TOS

* 可选将图片保存到本地目录

* 格式适配：

* JPEG：质量压缩 + RGBA 转 RGB

* PNG：无损压缩（compress_level） + 保留透明通道

* WebP：质量/无损压缩 + 保留透明通道 | ||[图像黑边裁剪](https://docs.volcengine.com/docs/6492/2221457) |新增 |* 离线 |* 图像黑边检测裁剪处理器，支持多种检测算法和输出格式。

* 核心功能

* 4种专业级黑边检测算法：

* 阈值检测（threshold） \- 速度最快，适合纯黑边/纯色边

* 边缘检测（edge） \- 基于Canny边缘，适合模糊/渐变黑边

* 直方图检测（histogram） \- 基于像素分布，适合低对比度黑边

* 自动检测（auto） \- 智能选择最优算法（推荐）

* 多格式输入支持：

* URL地址（image_url）

* Base64编码（image_base64）

* 二进制流（image_binary）

* 多格式输出支持：

* JPEG/JPG：自动转换RGBA→RGB，保留DPI

* PNG：保留透明通道，无损保存

* WebP：支持透明通道，灵活保存

* 双输出模式：

* Base64编码直出

* TOS/本地持久化存储

* 鲁棒性保障：

* 最小黑边尺寸过滤（避免过度裁剪）

* 边界校验（防止裁剪超出图像范围）

* 检测失败自动降级为原图返回 | ||[图像格式转换](https://docs.volcengine.com/docs/6492/2221456) |新增 |* 离线 |* 图像格式转换处理器，支持多种输入输出格式转换，可调整输出质量。

* 核心功能：

* 多种图像格式支持：

* 输入：URL地址、Base64编码、二进制流

* 输出：PNG、JPEG/JPG、WebP

* 质量调整：

* 支持调整有损压缩格式（JPEG、WebP）的输出质量

* 可设置质量范围为\-1\-100，\-1表示使用默认值

* 智能格式处理：

* 自动处理透明通道（JPEG不支持透明通道）

* 自动处理色彩模式转换（如CMYK转RGB）

* 双输出模式：

* Base64编码直出

* TOS/本地持久化存储 | ||[图片裁剪](https://docs.volcengine.com/docs/6492/2221465) |新增 |* 离线 |* 图像裁剪处理器，支持多种裁剪方式和多种输入输出。

* 核心功能：

* 输入格式：

* URL 地址（image_url）

* Base64 编码（image_base64）

* 二进制流（image_binary）

* 裁剪方式（支持多种算法/模式）：

* 坐标裁剪：指定左上角/右下角坐标精准裁剪

* 比例裁剪：按宽高比例裁剪（0\-1）

* 中心裁剪：按指定尺寸从图像中心裁剪

* 插值算法：nearest / bilinear / bicubic / lanczos（裁剪后尺寸适配时使用）

* 输出模式：

* 返回裁剪后图片的 Base64 字符串

* 可选将图片保存到 TOS

* 可选将图片保存到本地目录

* 格式适配：

* JPEG：RGBA 转 RGB + 质量压缩

* PNG：保留透明通道 + 无损压缩

* WebP：支持透明通道 + 质量/无损压缩 | #### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[音视频合并](https://docs.volcengine.com/docs/6492/2299021) |新增 |* 在线 |* 音视频合并算子，基于 FFmpeg 对输入的视频和音频素材进行顺序拼接、时长调整和最终合成。算子支持 1 对 1、1 对多、多对 1、多对多等多种输入组合；当视频和音频总时长不一致时，会根据配置自动选择变速对齐或按较短时长裁剪，并将结果视频与处理映射文件上传到 TOS。

* 核心功能：

* 支持多段视频顺序拼接。

* 支持多段音频顺序拼接。

* 支持视频、音频分别按目标时长预处理后再合成。

* 支持自动选择对齐策略：优先变速，超出阈值时自动裁剪。

* 支持输出最终视频文件和映射文件，便于追踪每次合并的输入、时长和对齐策略。

* 输出目录自动按账号、请求链路和输入哈希隔离，避免不同任务结果互相覆盖。 | ||[视频分辨率调整（在线）](https://docs.volcengine.com/docs/6492/2253846) |新增 |* 在线 |* 此前已有离线调用方式，本版本新增支持在线调用方式来调用视频分辨率调整算子。

* 核心功能：

* 智能分辨率调整到指定范围内

* 支持多种宽高比保持策略

* 可控制视频质量和编码参数

* 保持音频流不受影响 | ||[视频拼接](https://docs.volcengine.com/docs/6492/2221458) |新增 |* 离线 |* 视频拼接处理器，将多个视频顺序拼接为一个输出视频

* 核心功能\*\*：\*\*

* 支持多个视频文件拼接

* 支持本地/TOS/HTTP 路径输入

* 支持配置视频/音频编码参数

* 适合批量视频合并处理 | ||[视频宽高比调整](https://docs.volcengine.com/docs/6492/2221450) |新增 |* 离线 |* 视频宽高比调整，将视频画面适配到指定宽高比

* 核心功能：

* 支持将视频调整到指定宽高比画布

* 支持两种策略：padding(留边) 或 crop(裁剪)

* 支持本地/TOS/HTTP 路径输入与输出

* 支持自定义编码参数

| ||[视频自适应关键帧抽取](https://docs.volcengine.com/docs/6492/2221459) |新增 |* 离线 |* 视频自适应关键帧抽取处理器，基于CLIP和自适应算法进行智能抽帧。

* 核心功能：

* 语义理解：基于CLIP模型计算视频帧与文本描述的相似度，智能选择代表性关键帧。

* 多格式支持：兼容本地路径/URL、base64编码和二进制流输入。

* 高效处理：支持批量推理和分布式计算，大幅提升处理速度。

* 灵活配置：可自定义CLIP模型和推理精度，满足不同场景需求。 | ||[视频起始帧识别](https://docs.volcengine.com/docs/6492/2221453) |新增 |* 离线 |* 视频起始帧识别处理器，从视频中提取第一帧作为封面图片，支持多种图片格式输出，可选择跳过黑屏帧。

* 核心功能：

* 高效提取：

* 只读取视频头部信息，快速提取第一帧，提高处理效率

* 支持 GPU 加速，进一步提升提取速度

* 多种格式支持：

* 输出：JPG、PNG、BMP 等常见图片格式

* 智能黑屏检测：

* 可选择跳过黑屏帧，提取第一个非黑屏帧，提高封面质量

* 多种输入输出方式：

* 输入：支持视频路径输入和二进制数据输入

* 输出：支持将结果保存到 TOS 或本地目录

* 分布式处理支持：

* 基于 Daft 和 Ray 实现分布式处理，支持大规模视频处理 | ||[视频黑边检测与裁剪](https://docs.volcengine.com/docs/6492/2221454) |新增 |* 离线 |* 视频黑边检测与裁剪

* 核心功能

* **多算法支持**：支持3种黑边检测算法，适配不同场景：

* **行列占比法（threshold_ratio）** ：适配黑边内有水印/零星噪声的场景。

* **边缘检测法（edge_detection）** ：适配渐变黑边/轻微噪声的场景。

* **直方图分析法（histogram）** ：适配像素分布不均的黑边场景。

* **自动边界计算**：自动计算有效画面边界。

* **无损裁剪**：基于FFmpeg实现视频裁剪，保持原始编码特性。

* **音画同步**：保留原始音频且音视频精准对齐。 | ||[视频运动分计算](https://docs.volcengine.com/docs/6492/2221464) |新增 |* 离线 |* 视频运动分计算

* 核心功能：

* **多算法支持**：支持多种光流计算算法，适应不同场景和性能需求：

* **Farneback**：经典稠密光流算法，精度与速度平衡。

* **TV\-L1**：基于全变分的光流算法，对光照变化鲁棒。

* **DIS (Dense Inverse Search)** ：快速光流算法，支持多种预设（ULTRAFAST, FAST, MEDIUM, accurate）。

* **MEMFOF**：基于深度学习的光流估计算法，精度最高。

* **多维度指标**：提供丰富多样的运动评分指标：

* **基础指标**：均值、中位数、95分位数。

* **自适应指标**：基于画面尺寸归一化的动态分数，消除分辨率影响。

* **密度指标**：反映运动区域占比的密度分。

* **智能采样**：支持按比例采样和智能降采样，平衡计算开销。

* **高性能计算**：支持 CUDA GPU 加速和多进程并行处理。 | ||[视频剪裁](https://docs.volcengine.com/docs/6492/2221467) |新增 |* 离线 |* 视频剪裁，基于视频裁剪处理器，支持多种裁剪模式和参数配置。

* 核心功能：

* 多种裁剪模式：

* 基于边界框的精确裁剪

* 基于分辨率的裁剪

* 基于宽高比的裁剪

* 多种裁剪位置（中心、顶部、底部、左侧、右侧）

* 编码模式支持：

* CPU 编码 (libx264)：质量优先

* GPU 编码 (h264_nvenc)：速度优先

* 音频流自动处理：保持音频不受影响

* 多种输入输出方式：支持路径输入、二进制输入和 TOS 输出

* 精细的质量控制：可调整编码参数和质量设置 | |视频分析 |[视频质量评分](https://docs.volcengine.com/docs/6492/2221470) |新增 |* 离线 |* 视频质量评分处理器，基于 CLIP\-IQA 对采样帧评分并聚合为视频质量分

* **核心功能：**

* 视频质量评分：对采样帧进行评分并聚合

* 多来源支持：支持 URL/TOS/本地路径/二进制输入

* 可配置采样策略：按帧数、时间间隔、FPS等方式采样

* 可配置聚合方式：avg / max / min | ||[视频分镜](https://docs.volcengine.com/docs/6492/2299022) |新增 |* 在线 |* 视频分镜算子，基于多模态大模型对输入视频进行镜头/场景切分、全局角色识别、场景级人物关联以及人物图片抽取。算子会输出场景汇总结果、人物注册表、每个场景的切片视频，以及按人物归档的图片文件，便于后续检索、剪辑和内容理解。

* 核心功能：

* 支持基于 VLM 的场景切分，也支持 `min_segment_duration == max_segment_duration` 时的等时长切分。

* 支持全局角色提取与去重聚合，生成角色注册表。

* 支持场景内人物关联，输出人物在场景中的出现时间区间、关键帧时间点与 bbox 信息。

* 支持自动切出每个场景的独立视频文件。

* 支持为每个角色抽取并筛选代表性图片，按人物归档输出。

* 支持输出 token 用量与 LLM 请求次数，便于评估成本。 | |视频内容安全 |[视频风险识别](https://docs.volcengine.com/docs/6492/2221471) |新增 |* 离线 |* 基于业务风险识别产品\-视频风险识别\-视频点播服务进行视频风险识别。 | |视频剪辑 |[视频智能剪辑](https://docs.volcengine.com/docs/6492/2221469) |新增 |* 在线 |* 视频智能剪辑算子，基于多模态大模型实现视频智能剪辑能力，帮助用户从长视频中快速提取有价值的内容片段。支持自然语言描述的剪辑需求理解、参考图像辅助识别（角色、物品、场景等）、多维度视频内容分析（视觉、字幕、剧情），并输出标准化的剪辑决策信息（时间戳、描述、标签等）。

* 核心功能：

* 支持多种剪辑场景：角色片段提取、高光片段检测、产品片段检测、自定义剪辑等。

* 基于自然语言描述的灵活剪辑需求理解，支持用户自定义需求。

* 支持参考图像辅助识别（角色、物品、场景等）。

* 多维度视频内容分析（视觉、字幕、剧情）。

* 支持 ASR 增强的语义理解，适用于对话内容丰富、无字幕的视频，提升片段边界流畅性。

* 支持短剧三要素渲染（标题、提示语、角标），适合短剧竖屏场景。

* 支持精彩前置功能，自动提取 10\-15 秒具有吸引力的片段作为开场。

* 标准化的剪辑决策输出（时间戳、描述、标签等）。

* 自动生成视频片段文件并上传至 TOS。 | |视频修复 |[视频修复--旧版待下线](https://docs.volcengine.com/docs/6492/2253844) |新增 |* 在线 |* 视频智能修复算子，基于多模态大模型实现视频水印和字幕智能擦除能力。支持自动检测和擦除视频中的水印、字幕、logo等不需要的内容，输出修复后的视频文件。

* 核心功能：

* 支持多种目标擦除：水印、字幕、logo等。

* 基于多模态大模型的智能检测，精准定位需要修复的区域。

* 支持精确 mask 生成，保留边缘细节。

* 支持视频分段处理，处理长视频更稳定。

* 自动处理音频保留，无需额外操作。

* 支持输出 TOS 地址，结果自动上传。 | #### 音频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |音频处理 |音频提取与切（LAS） |新增 |* 离线 |* 首次发布，音频提取与切分（LAS）算子，基于 LAS 音频提取与切分服务，从音频/视频中提取音频并按规则切分

* **核心功能：**

* 从音频或视频中提取音频

* 支持按时长切分多个片段

* 支持输出格式与路径模板

* 支持批量并发处理 | ||音频格式转换（LAS） |新增 |* 离线 |* 首次发布音频格式转换（LAS）算子，基于 LAS 音频格式转换服务，将输入音频转换为指定格式

* 核心功能

* 支持多种音频格式之间的转换

* 支持指定输出格式与FFmpeg参数

* 支持批量并发处理

* 适用于音频格式标准化与转码场景 | ### 能力优化升级 #### 方舟 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频内容理解（豆包系列）增强版 |视频内容理解（豆包系列）增强版 |优化 |* 在线 |* 算子调用方式升级为 Chat 接口的调用方式。

* 新增支持Doubao\-Seed 2.0系列模型，包括：

* Doubao\-Seed\-2.0\-pro

* Doubao\-Seed\-2.0\-mini

* Doubao\-Seed\-2.0\-lite | |多模态深度思考 |[多模态深度思考（豆包系列模型）](https://docs.volcengine.com/docs/6492/2165109) |优化 |* 离线 |新增支持 Job 模式调用算子，更加适用于以下场景：

* 数据已静态存储在火山引擎对象存储产品 TOS 中。

* 数据量大，每天处理数据量可超过 100 B token 。

* 多模态模型批量推理，对网络带宽压力大。

使用 Job 模式时：

* 数据处理规模或网络带宽上限更高。

* 托管了所有请求的资源调度，支持灵活任务调度，吞吐可达最优。

* 依赖批量推理更灵活的任务调度，即使是高峰期，您仍然可享受一定的处理效率。

> **说明**

> Chat 模式和 Job 模式的对比说明请参见：[选择调用方式](https://www.volcengine.com/docs/82379/1399517)。
| |图片生成（Seedream 系列模型） |[图片生成（Seedream 系列模型）](https://docs.volcengine.com/docs/6492/2172373) |优化 |* 在线 |新增支持：

* doubao\-seedream5.0系列模型（doubao\-seedream\-5\-0\-lite\-260128和doubao\-seedream\-5\-0\-260128）；

* 支持doubao\-seedream 5.0系列模型后，也新增支持请求参数tools（当前支持调用web_search工具）和output_format（指定生成图像的文件格式）。 | #### 文档 * [PDF 文档解析（豆包）](https://docs.volcengine.com/docs/6492/2172371)：算子能力升级，支持解析的PDF文档页数上限提高至 400 页（此前为 200 页），超出 400 页的PDF文档建议通过 start_page 和 num_pages 参数分开多次请求解析。 #### 其他 * 算子在线体验能力优化升级： * 部分算子为您提供了便捷的在线体验能力，当用量超限时会给您提示，例如，当在线体验用量达限流限制时，会提示您“ExceedConcurrency”。 * 在线体验时操作逻辑优化，提高操作体验。 * 控制台操作体验优化： ![图片](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/58f480d82caf4cc7b13575d1a47868b9~tplv-goo7wpa0wc-image.image) * 控制台算子广场页面视觉优化，通过更明确的标签和布局优化，提高算子查找体验。 * 更多算子新增支持在线体验能力，您可以在算子卡片中便捷地进入对应算子的体验入口，更多关于在线体验的介绍请参见[快速体验](https://docs.volcengine.com/docs/6492/2196029)。 ### 其他算子变更在本版本中，以下算子不再支持使用： * 视频\>视频处理：视频区域修复 ### 相关功能变更 * Daft SDK 版本升级，当前版本升级至 0.7.2 版本。 # 0.6.14 版本发布日期：2026 年01月08日~2026年01月15日 |产品 |版本 | |---|---| |LAS |`v-0.11.0`、`v-0.11.1`、`v-0.11.2`、`v-0.11.3`、`v-0.11.4` | |算子库 |`0.6.14` | 当前版本新增离线算子20个、在线算子6个，并优化升级了多个算子能力，同时对Daft引擎进行了升级，更多版本变更详情如下。 > **说明** > 以下为当前版本的发布记录，全量支持的算子列表请参见[支持的算子列表：在线算子](https://docs.volcengine.com/docs/6492/2192001)、[支持的算子列表：离线算子](https://docs.volcengine.com/docs/6492/2165078)。 ## 新增算子 ### 方舟大模型系列 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |图像生成 |[图片生成（Seedream 系列模型）](https://docs.volcengine.com/docs/6492/2172373) |新增 |* 在线 |* 首次发布图片生成（ Seedream 系列模型）算子，可根据用户输入的文本或参考图像生成高质量图片，支持组图与流式输出。

* 核心功能

* 文生图/图生图/组图生成

* 支持流式输出（SSE）与非流式输出

* 输出格式支持 url 与 b64_json | |视频生成 |[视频生成(Doubao-Seedance-1.x系列模型)](https://docs.volcengine.com/docs/6492/2165104) |新增 |* 在线 |* 首次发布seedance视频生成（豆包系列）算子，Seedance是字节跳动豆包大模型团队最新推出的视频生成基础模型，可根据用户输入的文本、图片等内容，快速生成优质的视频片段 | |多模态深度思考 |[多模态深度思考（Doubao-seed-1.8）](https://docs.volcengine.com/docs/6492/2192000) |新增 |* 在线 |* 首次发布多模态深度思考（Doubao\-seed\-1.8）算子，多模态场景下提供大模型的深度思考能力，使用具备深度思考能力的模型，对图片、视频或文本进行分析理解，并返回结构化文本输出。算子会自动构建符合多模态模型规范的 message 结构，用户只需按约定提供图片 / 视频 / 文本数据即可完成推理。

核心功能

* 深度思考机制：模型在回答问题前自动进行问题拆解和逻辑推理，生成思维链（reasoning_content）

* 多模态场景支持：同时支持图片 / 视频 / 文本输入，自动完成多模态消息拼装

* 输入简化机制：支持本地文件、HTTP/HTTPS URL、TOS/S3 对象存储等多种数据源，通过简单配置即可实现视觉理解能力

* 灵活思考模式：支持通过 thinking_type 参数控制深度思考模式（enabled / disabled / auto），在回答质量与性能之间灵活权衡 | ### 图片 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |图片处理 |[图片安全性检测](https://docs.volcengine.com/docs/6492/2165183) |新增 |* 离线 |* 首次发布“图片安全性检测”算子，作为**图像安全性（NSFW）检测器，支持多源输入与批量推理。**

* **核心功能**

* 使用预训练的图像分类模型进行 NSFW 概率检测，输出每张图片的 NSFW 置信度分数

* 支持多种输入来源：URL 地址（image_url）、Base64 编码（image_base64）、二进制流（image_binary）

* 批量处理：通过配置 batch_size 进行批量推理以提升吞吐性能 | ||[图片Hash值](https://docs.volcengine.com/docs/6492/2165181) |新增 |* 离线 |* 首次发布“图片Hash值”算子，**支持 URL、Base64、二进制三类输入格式，统一输出十六进制与二进制哈希。**

* **核心功能**

* 支持五种哈希方法：`ahash`、`dhash`、`phash`、`whash`、`md5`

* 输入类型可选：`image_url`、`image_base64`、`image_binary`

* 支持批量处理 | ||[图片人脸模糊](https://docs.volcengine.com/docs/6492/2171514) |新增 |* 离线 |* 首次发布“图片人脸模糊”算子。

* **主要功能：**

* 自动检测图片中的人脸并进行模糊处理

* 支持多种模糊类型（均值、盒式、高斯）

* 支持 URL、本地路径、Base64、二进制等多种输入方式

* 可选输出模糊后图片的 Base6 | ||[图片人脸检测](https://docs.volcengine.com/docs/6492/2172375) |新增 |* 离线 |* 首次发布**图片人脸检测算子**

* **主要功能：**

* 自动检测图片中的人脸并返回矩形框列表 (x, y, w, h)

* 支持 URL、本地路径、Base64、二进制等多种输入方式

* 输出人脸矩形框列表

* cpu 和 gpu 环境均可运行 | ### 文档 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |文档解析 |[Doc格式转换](https://docs.volcengine.com/docs/6492/2165188) |新增 |* 离线 |* 首次发布“Doc格式转换”算子，作为**文档格式转换处理器，支持多种办公文档格式互转**

* **核心功能：**

* 支持 doc/docx 到多种格式的转换

* 使用 LibreOffice 进行高质量转换

* 支持本地和云端存储路径

* 提供转换超时控制

* 自动处理文件上传下载 | | |[PDF 文档解析（豆包）](https://docs.volcengine.com/docs/6492/2172371) |新增 |* 在线 |* 首次发布”PDF 文档解析（豆包）“算子，用于PDF 内容解析，支持对 PDF 文件进行视觉模型解析与 Markdown 结构化输出。

* 核心功能

* 支持 PDF 页面渲染与视觉模型解析，输出高保真 Markdown，完整还原原文结构（标题层级、表格、公式、图片区域）。

* 自动识别图片区域并返回 boundingbox 信息及图片预签名 URL。

* 支持逐页和整书 Markdown 汇总，便于后续内容处理和展示。 | |文档格式转换 |[PPT文件转换](https://docs.volcengine.com/docs/6492/2171512) |新增 |* 离线 |* 首次发布”PPT文件转换“算子，作为PPT 转换处理器，支持 PPT/PPTX 转 PDF 及每页图片

* **主要功能：**

* 支持将 PPT/PPTX 文档转换为 PDF 文件

* 支持将 PPT/PPTX 转换为按页拆分的 PNG 图片

* 自动处理本地路径与远程路径（TOS/HTTP 等）的下载与上传

* 提供转换超时控制与基础失败兜底 | ### 文本 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |文本处理 |[文本 chunk 切分（基于语义）](https://docs.volcengine.com/docs/6492/2165210) |新增 |* 离线 |* 首次发布“文本 chunk 切分（基于语义）”算子，作为**语义文本分块处理器 \- 基于句子相似度的智能文本切分解决方案**

* **核心功能**

* **语义分块策略**

* 基于句子相似度的智能切分

* 结合语义与语法规则

* 重叠优化保持上下文连贯性

* **支持中英文混合文本**

* 支持中英文字符和标点

* 智能识别句子边界 | |文本清洗 |[Email 地址清理](https://docs.volcengine.com/docs/6492/2165223) |新增 |* 离线 |* 首次发布“Email 地址清理”算子，是**基于正则的 Email 地址清理算子。**

* **核心功能**

* 多场景支持：内置通用匹配模式，同时允许注入自定义正则表达式。

* 可控替换：可配置替换串，实现脱敏或占位填充。

* 批量兼容：支持数组批量处理 | ### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[视频音频检测](https://docs.volcengine.com/docs/6492/2165165) |新增 |* 离线 |* 首次发布“视频音频检测”算子，作为视频音频检测处理器

* 特点：

* 使用 ffprobe 检测视频中是否存在音频流

* 自动下载远程文件

* 支持超时控制

* 支持多种视频格式

* 返回布尔值表示是否存在音频 | ||[视频安全性检测](https://docs.volcengine.com/docs/6492/2165162) |新增 |* 离线 |* 首次发布“视频安全性检测”算子，作为**视频安全性检测器 \- 多源输入、统一帧采样与批量推理**

* **核心功能**

* 基于预训练图像分类模型，对视频采样得到的帧进行 NSFW 概率检测，并按聚合策略输出最终分数。

* 支持多种视频输入来源:

* URL 路径 (video_url)

* Base64 编码 (video_base64)

* 二进制流 (video_binary)

* 支持多种采样方式 (通过 VideoFrameSampler):

* by_count_uniform / by_interval_time / by_interval_frames / by_fps / by_timestamps

* 批量推理:

* 可通过 batch_size 控制推理批量大小，提高吞吐性能。 | ||[视频元数据提取](https://docs.volcengine.com/docs/6492/2165172) |新增 |* 离线 |* 首次发布“视频元数据提取”算子

* **核心功能：**

* 支持多种视频文件格式

* 提取完整的视频元数据信息

* 使用 ffprobe 工具进行元数据提取

* 支持本地文件、远程文件(TOS/S3)、HTTP/HTTPS链接 | ||[视频移除音轨](https://docs.volcengine.com/docs/6492/2165171) |新增 |* 离线 |* 首次发布“视频移除音轨”算子

* 特点：

* 使用 ffmpeg subprocess 方式移除视频音轨

* 保留原始视频编码和质量（无需重编码）

* 自动下载远程文件 / 上传结果

* 支持超时控制

* 支持多种视频格式 | ||[通用视频格式转换](https://docs.volcengine.com/docs/6492/2165176) |新增 |* 离线 |* 首次发布“通用视频格式转换”算子，作为**通用视频格式转换处理器**

* **核心功能：**

* 支持多种视频格式之间的转换

* 自动选择合适的编码器

* 通过extra_params支持自定义ffmpeg参数 | ||[视频人脸模糊](https://docs.volcengine.com/docs/6492/2171515) |新增 |* 离线 |* 首次发布**视频人脸模糊处理算子**

* **主要功能：**

* 自动检测视频帧中的人脸并进行模糊处理

* 支持多种模糊类型（均值、盒式、高斯）

* 支持本地路径、远程 URL/TOS 路径以及二进制/BASE64 视频输入

* 统一输出模糊后的视频路径（即使未检测到人脸也会重新编码输出）

* cpu 和 gpu 环境均可运行 | ### 音频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |音频处理 |[多语言 CTC 对齐](https://docs.volcengine.com/docs/6492/2165119) |新增 |* 离线 |* 首次发布“多语言 CTC 对齐算子”，是一个基于 MMS Forced Aligner 模型的多语言音频 CTC 对齐算子（CTC，Connectionist Temporal Classification 的简称），旨在将音频内容与对应的文本脚本在时间维度上精确对齐。

* **核心功能**

* **支持多语言输入**：原生支持中文、英文的文本对齐，满足主流语种处理需求。

* **支持多渠道输入**：无缝处理来自本地文件路径、HTTP URL、TOS/S3 对象存储或原始字节流的音频数据。

* **自动化预处理**：内置针对中英文的文本预处理流程，包括大小写转换、数字展开、拼音转换及罗马化，以适应模型输入要求。此外，内置音频解码和预处理能力，自动将输入音频重采样为 16kHz 采样率的单声道格式，简化了调用流程。 | ||[音频切分](https://docs.volcengine.com/docs/6492/2172374) |新增 |* 在线 |* 首次发布”音频切分“算子，用于从音频或视频文件中提取音频，并按照指定规则将音频切分为多个片段，输出到用户指定的存储路径。

该算子主要用于长音频或视频的结构化处理场景，如音频预处理、数据切分、训练数据构建等，支持批量并发处理以及灵活的输出路径组织方式。

* 核心功能

* 音频/视频提取与切分

* 支持自定义切分规则

* 支持自定义输出音频格式

* 支持输出路径模板

* 支持音频编码参数扩展 | ||[音频拼接](https://docs.volcengine.com/docs/6492/2165120) |新增 |* 离线 |* 首次发布“音频拼接”算子，作为音频拼接处理器，支持将多个音频文件拼接成一段音频。

* **核心功能**

* 支持多渠道输入：本地文件路径、TOS/S3存储路径、HTTP/HTTPS路径

* 支持输出到指定路径

* 自动处理不同采样率和声道的音频；自动根据输出格式选择合适的编码器

* **格式支持**

* WAV (.wav) \- 使用 pcm_s16le 编码器

* MP3 (.mp3) \- 使用 libmp3lame 编码器

* FLAC (.flac) \- 使用 flac 编码器 | ||[音频快速拼接（同源）](https://docs.volcengine.com/docs/6492/2165124) |新增 |* 离线 |* 首次发布“音频快速拼接（同源）”算子，作为**音频快速拼接处理器（同源音频）**

* **核心功能**

* 使用 concat demuxer 快速拼接同源音频（无需重编码）

* 适用于格式、编码、采样率完全相同的音频文件

* 速度快，无质量损失

* 支持多输入格式：

* 本地文件路径

* TOS/S3存储路径

* HTTP/HTTPS路径

* 支持输出到指定路径 | ||[音频评分(Audiobox Aesthetics)](https://docs.volcengine.com/docs/6492/2165122) |新增 |* 离线 |* 首次发布“音频评分(Audiobox Aesthetics)”算子，**使用 audiobox_aesthetics 对音频进行质量评分**

* **核心功能**

* 使用 audiobox_aesthetics 模型对音频片段进行质量评分

* 提供四个评分维度：CE (连贯性/听感投入度)、CU (清晰度/可懂度)、PC (制作质量/构成质量)、PQ (感知质量/主观音质)

* 支持本地和远程 (tos://) 音频文件

* 适用于音频质量评估、音频筛选、质量控制等场景 | ||[音频降噪(MossFormer2_SE_48K)](https://docs.volcengine.com/docs/6492/2165137) |新增 |* 离线 |* 首次发布“音频降噪(MossFormer2_SE_48K)”算子，**使用MossFormer2_SE_48K进行音频降噪**

* **核心功能**

* 使用MossFormer2_SE_48K进行音频降噪

* 支持本地文件、TOS存储(tos,s3,http,https等schema) | ||[音频元数据提取](https://docs.volcengine.com/docs/6492/2165143) |新增 |* 离线 |* 首次发布“音频元数据提取”算子。

* 功能:

* 支持音频文件格式

* 提取完整的音频元数据信息,包括:

* 基础信息: 时长、格式、比特率

* 音频信息: 采样率、声道数、编码器

* 使用 ffprobe 工具进行元数据提取

* 支持本地文件、远程文件(TOS/S3)、HTTP/HTTPS链接 | ||[音频格式转换（在线）](https://docs.volcengine.com/docs/6492/2171516) |新增 |* 在线 |* 本次新增支持在线调用方式的”音频格式转换“算子。音频格式转换用于将音频或视频文件统一转换为指定的音频格式，并输出到指定的存储路径。

* 该算子主要用于数据处理流水线中的音频格式标准化、视频抽音频、训练数据准备等场景，支持批量并发处理与可配置的音频编码参数

* 核心功能

* 音频 / 视频统一转换为音频

* 支持自定义输出音频格式

* 支持自定义输出路径（TOS）

* 支持音频编码参数扩展

* 批量并发处理能力 | |音频识别 |[语种识别及ASR（whisper 系列模型）](https://docs.volcengine.com/docs/6492/2165123) |新增 |* 离线 |* 首次发布“语种识别及ASR（whisper 系列模型）”算子，基于**语种识别 + 语言识别模块 \- 基于Whisper模型的多语言 LID + ASR 解决方案**

* **核心功能**

* 多语言识别：支持中英文等百种语言

* 语言识别（LID）：在识别文本的同时输出语言标签（例如 `en`、`zh`）

* 标点符号恢复：可选的中英文标点恢复功能，提升文本可读性 | ||[【已下线-离线在线合并】语音转文字(豆包系列)](https://docs.volcengine.com/docs/6492/2172368) |新增 |* 在线 |* 首次发布语音转文字（豆包系列）算子，为语音识别模块，基于 LAS ASR 服务的录音转写解决方案。

* 核心功能

* 接入火山引擎LAS ASR接口

* 支持自动断句、数字规整、说话人或通道分离（可选）

* 并发处理多个音频文件，提供结构化 JSON 与可读文本两种输出

* 适合转写最长2小时的录音文件，支持标点补全、智能断句、说话人分离等高级功能。 | ## 能力优化升级 ### 方舟大模型系列 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视觉理解 |视频内容理解（豆包系列）增强版 |优化 |* 在线 |* “视频内容理解（豆包系列）增强版”算子新增支持Doubao\-seed\-1.8模型。

* “视频内容理解（豆包系列）增强版”算子的在线体验能力优化，新增支持直接输入存储在同账号、同地域下TOS的视频文件URL进行体验试用。

![图片](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/47cc2f13255d458897993c77cbf2ac00~tplv-goo7wpa0wc-image.image)

优化后，后续您可以直接在此处输入以下URL进行算子能力体验：

* 公网可访问的视频文件URL。

* 同火山引擎账号、同地域下TOS中存储的视频文件URL。

即，存储在TOS中视频文件的路径与视频文件名拼接后的URL链接。例如：`tos://bucket名称/文件夹名称/demo.mp4`。 | ||视觉理解算子\-通用能力 |优化 |* 离线 |模型支持多图片输入 | |多模态深度思考 |多模态深度思考算子\-通用能力 |优化 |* 离线 |模型支持多图片输入 | ### 音频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |音频处理 |[音频格式标准化](https://docs.volcengine.com/docs/6492/2165145) |优化 |* 离线 |* 新增支持保留原始采样率 | ||[音频静音检测](https://docs.volcengine.com/docs/6492/2165128) |优化 |* 离线 |兼容无音轨的音视频文件检测 | ### 视频 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |视频处理 |[视频分辨率调整（离线）](https://docs.volcengine.com/docs/6492/2165163) |优化 |* 离线 |提升算子性能 | ||通用 |优化 |* 离线 |* 提升算子的去除字幕性能和效果，支持音视频不同步的视频

* 提升算子的视频关键帧能力：

* 增加参数控制是否返回关键帧的 frames 和 base64

* 增加参数控制顺序采样前 n 帧还是从视频均匀采样 n 帧 | ### 图片 |细分应用场景 |算子名称 |变更类型 |使用方式 |更新说明 | |---|---|---|---|---| |图片处理 |[图像美学评分](https://docs.volcengine.com/docs/6492/2165180) |优化 |* 离线 |优化代码示例，代码示例补充默认model_path | ## 模型能力变更算子新增支持以下模型\*\*：\*\*Doubao\-seed\-1.8、Doubao\-seedream\-4.5、Doubao\-seedream\-4.0、Deepseek\-V3.2。 ## 其他算子变更在本版本中，以下算子不再支持使用： * 音频\>音频处理：音频\-人声分离(Demucs)、音频\-说话人分段(Pyannote) * 方舟大模型系列\>文本生成：文本生成（Doubao\-1.5\-pro\-256K） ## 相关功能变更在本版本中，以下与算子能力相关的LAS AI功能变更如下，全量LAS AI的0.11.x版本的动态说明请参见[2026年01月08日](https://docs.volcengine.com/docs/6492/2165228#c511f440)。 * 算子服务：本次新增了算子服务功能页面，为您提供了多时间粒度下，在线算子的Token速率、请求错误量等监控指标，详情请参见[算子监控](https://docs.volcengine.com/docs/6492/2165075)。 * Daft引擎优化：新增Daft checkpoint功能，在批量数据写入的生产环境中，实现“断点续写”和“增量追加”，利用上次写入的结果进行去重，过滤掉不必要的计算。 # 0.6.5 版本发布日期：2025 年 11 月 30 日 |**产品** |**版本** | |---|---| |LAS |`v-0.10.0` | |算子库 |`0.6.5` | 当前版本新增 12个算子，有如下类别，并持续扩展中： |**应用场景** |**功能** |**算子名称** | |---|---|---| |方舟大模型系列 |视频生成 | **【新增】** **seedance 视频生成** | |多模态 |图片理解 | **【新增】** **图片内容理解（LLaVA 系列模型）** | ||| **【新增】** **图片内容理解（Qwen VL 系列模型，支持大尺寸模型）** | ||视频理解 | **【新增】** **视频内容理解（Qwen VL 系列模型，支持大尺寸模型）** | ||多模态向量化 | **【新增】** **图文 Embedding（CLIP 模型）** | |音频 |音频识别 |1. **【新增】** **语音端点识别（Silero 模型）**

2. **【新增】** **语音转文字（FireRed）** | ||音频处理 |1. **【新增】** **音频滤镜处理**

2. **【新增】** **音频信噪比计算** | |其他 |其他 | **【新增】** **时间戳片段合并** | |文本 |文本向量化 | **【新增】** **文本 embedding（BGE模型）** | ||文本处理 | **【新增】** **文本链接移除** | # 0.5.21 版本发布日期：2025 年 9 月 30 日 |**产品** |**版本** | |---|---| |LAS |`v-0.9.0` | |算子库 |`0.5.21` | 当前版本新增 7 个算子，有如下类别，并持续扩展中： |**应用场景** |**功能** |**算子名称** | |---|---|---| |方舟大模型系列（2） |文本向量化 |1. **【新增】** **文本向量化（** **Doubao** **\-embedding\-large）**

2. **【新增】** **文本向量化（** **Doubao** **\-embedding）** | |多模态（1） |音频理解 | **【新增】** **音频内容理解（Qwen Omni 模型）** | |文本类（2） |TOS 路径预签名 | **【新增】** **生成 TOS 的普通预签名** | ||文本翻译 | **【新增】** **多语言文本翻译** | |音频类（1） |音频处理 | **【新增】** **音频文件大小计算** | |视频类（1） |视频处理 | **【新增】** **视频片段切分(时长)** | # 0.5.10.1 版本发布日期：2025 年 8 月 21 日 |**产品** |**版本** | |---|---| |LAS |`v-0.8.0` | |算子库 |`0.5.10.1` | 当前版本的LAS 算子广场上线的算子有如下类别，并持续扩展中： |**应用场景** |**功能** |**算子名称** | |---|---|---| |方舟大模型系列（21） |多模态深度思考 |1. **++多模态深度思考（++** Doubao\*\*\-Seed\-1.6）\*\*

2. **++多模态深度思考（++** Doubao\*\*\-1.5\-thinking\-vision\-pro）\*\*

3. **++多模态深度思考（++** Doubao\*\*\-Seed\-1.6\-thinking）\*\*

4. **++多模态深度思考（++** Doubao\*\*\-Seed\-1.6\-flash）\*\*

5. **多模态深度思考（豆包系列模型）** | ||文本生成 |1. **深度思考（Deepseek\-R1\-distill\-qwen\-32b）**

2. **文本生成（Deepseek\-V3）**

3. **++文本生成（++** Doubao\*\*\-1.5\-pro\-256K）\*\*

4. **深度思考（Deepseek\-R1\-distill\-qwen\-7b）**

5. **++文本生成（++** Doubao\*\*\-1.5\-pro\-32K）\*\*

6. **++文本生成（++** Doubao\*\*\-1.5\-lite\-32K）\*\*

7. **深度思考（Deepseek\-R1）**

8. **++深度思考（++** Doubao\*\*\-1.5\-thinking\-pro）\*\*

9. **++文本生成（++** Doubao\*\*\-lite\-32K）\*\*

10. **++文本生成（++** 豆包\*\*++ / DeepSeek 系列模型）++\*\* | ||视觉理解 |1. **++视觉内容理解（++** Doubao\*\*\-1.5\-vision\-pro）\*\*

2. **++视觉内容理解（++** Doubao\*\*\-1.5\-vision\-pro\-32k）\*\*

3. **++视觉内容理解（++** 豆包\*\*系列模型）\*\* | ||文本向量化 |1. **++文本向量化（++** Doubao\*\*\-embedding\-large）\*\*

2. **++文本向量化（++** Doubao\*\*\-embedding）\*\* | ||视频生成 |**seedance 视频生成** | ||多模态向量化 | **++图文embedding (++** 豆包\*\*系列模型)\*\* | |[多模态](https://www.volcengine.com/docs/6492/1798370#.5aSa5qih5oCB)（8） |多模态向量化

（共享） |**图文embedding (CLIP 模型)** | ||图片理解 |1. **图片内容理解（Qwen\-VL 系列模型）**

2. **图片内容理解（LLaVA 系列模型）**

3. **图片内容理解（Qwen VL 系列模型，支持大尺寸模型）** | ||视频理解 |1. **视频内容理解（Qwen\-VL 系列模型）**

2. **视频内容理解（Qwen VL 系列模型，支持大尺寸模型）** | ||音频理解 |1. **音频内容理解（Qwen Omni 模型）**

2. **音频理解（Kimi\-Audio 系列模型）** | |[文本](https://www.volcengine.com/docs/6492/1798370#.5paH5pys57G7)（25） |文本清洗 |1. **特定字符替换**

2. **HTML 标签移除** | ||文本质量评估 |1. **多语言文本质量评分**

2. **英文文本质量评分** | ||文本向量化 |1. **文本 sparse & dense embedding（BGE模型）**

2. **文本 embedding（BGE模型）** | ||文本安全识别 |**文本内容风险识别** | ||文本处理 |1. **文本 chunk 切分（基于句子结构）**

2. **中文简繁体转换**

3. **文本安全性评分器**

4. **文本链接移除**

5. **URL 占比计算器**

6. **文本长度计算器**

7. **空白字符标准化器**

8. **特殊字符占比计算器**

9. **最大英文单词长度计算器**

10. **MD5 哈希计算**

11. **重复行计算器**

12. **项目符号行占比计算器**

13. **版权声明移除**

14. **字符占比计算器**

15. **词重复比例计算器**

16. **CommonCrawl WARC 文件内容提取**

17. **困惑度计算器** | ||文本分类 |1. **文本语种识别** | |[文档](https://www.volcengine.com/docs/6492/1798370#.5paH5qGj5aSE55CG)（2） |文档解析 |1. **PDF 文档智能解析**

2. **Xlsx 文档解析** | |[图片](https://www.volcengine.com/docs/6492/1798370#.5Zu-54mH57G7)（3） |图片处理 |1. **图片重采样** | ||图片OCR |1. **图像 OCR（EasyOCR）** | ||图片向量化 |1. **图像 Embedding（ViT 系列模型）** | |[音频](https://www.volcengine.com/docs/6492/1798370#.6Z-z6aKR57G7)（22） |音频处理 |1. **音频格式转换**

2. **音频\-说话人分段 (Pyannote)**

3. **音频\-人声分离 (Demucs)**

4. **音频信噪比计算**

5. **音频转MP3**

6. **音频质量评分（DNSMOS）**

7. **音频片段切分（时间戳）**

8. **音频滤镜处理**

9. **音频文件大小计算**

10. **音频静音检测**

11. **音频片段切分（时长）**

12. **音频时长计算** | ||音频预处理 |1. **音频格式标准化** | ||音频安全识别 |1. **音频风险识别** | ||音频生成 |1. **++文字转语音（++** 豆包\*\*语音大模型）\*\* | ||音频分类 |1. **音频多语种识别（whisper）** | ||音频识别 |1. **语音转文字（FireRed）**

2. **语音端点识别（FSMN 模型）**

3. **语音端点识别（Silero 模型）**

4. **语音转文字（LAS ASR服务）**

5. **语音转文字（whisper 系列模型）**

6. **说话人确认（ERes2Net）** | |[视频](https://www.volcengine.com/docs/6492/1798370#.6KeG6aKR57G7)（3） |视频处理 |1. **视频关键帧抽取**

2. **音频抽取**

3. **视频片段切分(关键帧)** | |其他（1） |其他 |**时间戳片段合并** |

AI 数据湖服务