文档中心

AI MediaKit

智能体资源

AI MediaKit MCP 用户指南

AI MediaKit MCP 是火山引擎 AI MediaKit 面向 AI 时代推出的标准能力插件。它基于 MCP（Model Context Protocol）协议，将云端专业的视频剪辑、音频处理、字幕处理、画质增强等原子能力封装为智能体可直观调用的工具。通过 AI MediaKit MCP，开发者可直接以自然语言驱动 AI 智能体完成复杂的云端媒体处理任务。

工具概览

AI MediaKit MCP 已开放的能力覆盖了从异步任务查询到深度媒体编辑、视频增强的全流程。所有工具均支持通过“分组（Group）”或“工具名”进行动态加载，以优化智能体的推理效率。

分类	分组名称	工具	说明
通用能力	shared	query_task	任务查询：查询异步任务状态。提交异步任务后使用此工具获取结果。详细输入和输出参数请见 query_task。
视频剪辑	editing	add_image_to_video	视频加图片：支持将指定图片（如 Logo、水印等）叠加到视频画面上。详细输入和输出参数请见 add_image_to_video。
				add_subtitle_to_video	视频加字幕：将字幕文件或文本内容按自定义样式压制到视频画面中，生成带内嵌字幕的新视频。详细输入和输出参数请见 add_subtitle_to_video。
				adjust_audio_speed	音频调速：用于音频调速，可调整音频播放倍速，实现快放或慢放效果。详细输入和输出参数请见 adjust_audio_speed。
				adjust_video_speed	视频调速：用于视频调速，通过调整播放倍速产生快放或慢放效果。详细输入和输出参数请见 adjust_video_speed。
				adjust_video_volume	调整视频音量：用于调整输入视频的音量大小，也可实现静音。详细输入和输出参数请见 adjust_video_volume。
				apply_camera_motion	视频添加运镜：对输入视频在指定时间段内添加一种运镜特效，常用于素材二次创作、营销片头、短剧动效等场景。详细输入和输出参数请见 apply_camera_motion。
				apply_video_filter	视频添加滤镜：为指定视频添加滤镜效果。详细输入和输出参数请见 apply_video_filter。
				concat_audio	音频拼接：拼接多个音频片段。详细输入和输出参数请见 concat_audio。
				concat_video	视频拼接：将多个视频按顺序拼接成一个完整的视频文件，并支持在拼接处添加转场效果。详细输入和输出参数请见 concat_video。
				crop_video	视频画面裁剪：按指定的矩形区域裁剪视频画面，裁剪结果仅保留指定的需要区域。详细输入和输出参数请见 crop_video。
				extract_animated_image	视频截取动图：从视频中按指定开始时间和结束时间截取一段画面，生成 GIF 或 WebP 动图，常用于制作封面动图、营销素材和短预览。详细输入和输出参数请见 extract_animated_image。
				extract_audio	提取音频：从输入视频文件中分离音轨，生成独立的音频文件。详细输入和输出参数请见 extract_audio。
				fade_audio	音频声音淡入淡出：对输入音频的起止位置实现淡入或淡出效果，输出处理后的音频文件。详细输入和输出参数请见 fade_audio。
				fade_video_audio	视频声音淡入淡出：在片头或片尾对输入视频音轨执行淡入或淡出处理，用于弱化音轨突兀的起止，提升成片听感。输出处理后的视频文件。详细输入和输出参数请见 fade_video_audio。
				flip_video	视频画面翻转：用于视频画面翻转，对指定视频进行上下或左右镜像翻转。详细输入和输出参数请见 flip_video。
				image_to_video	图片转视频：将多张图片按顺序组合成动态视频，可配置转场动画和镜头内动画；仅把现有图片做成带动效的视频，不支持根据参考图生成新的画面内容。详细输入和输出参数请见 image_to_video。
				mix_audio	音频混合：将多个音频文件（如背景音乐、音效、人声）进行混音，生成一个新的音频文件。处理耗时：处理耗时与视频时长正相关。视频时长越长，处理耗时越长。平均 RTF（处理耗时/原片时长）为 1。输出音频的时长以最长的音频为准。输出视频格式：mp3。详细输入和输出参数请见 mix_audio。
				mux_audio_video	视频加音频：可将输入的音频流与视频流合并成一个新的视频文件，并可选择保留或替换视频的原有音轨；当音视频时长不一致时，可进行对齐处理。详细输入和输出参数请见 mux_audio_video。
				rotate_video	视频画面旋转：用于视频画面旋转，对指定视频进行整体旋转。详细输入和输出参数请见 rotate_video。
				stitch_video	视频画面拼接：将多个视频在空间上按水平或垂直方向拼接成一个完整画面，适用于多视角对比、画面组合等场景。详细输入和输出参数请见 stitch_video。
				text_to_scrolling_video	文字生成滚屏视频：将指定文本内容转换为文字滚屏视频，输出视频为固定 9:16 竖版，常用于小说推文、内容讲解和歌词视频等场景。详细输入和输出参数请见 text_to_scrolling_video。
				trim_audio	音频裁剪：用于音频裁剪，按指定的开始时间和结束时间从输入音频中截取片段。详细输入和输出参数请见 trim_audio。
				trim_video	视频裁剪：用于视频裁剪，可按指定的开始和结束时间从输入视频截取片段。详细输入和输出参数请见 trim_video。
音频处理	audio	detect_voice_activity	语音端点识别：用于语音端点识别。自动定位音频或视频文件中有效语音的起止时间。将人声和静音、背景噪声等无效片段区分开来。返回包含所有有效人声片段起止时间戳的列表。详细输入和输出参数请见 detect_voice_activity。
				probe_audio_metadata	音频元信息获取：探测输入音频 URL，输出标准化媒资元信息，用于获取音频元信息。详细输入和输出参数请见 probe_audio_metadata。
				separate_voice	人声背景音分离：用于人声背景声分离，可将音频或视频文件中的人声与背景音精准分离，输出为两个独立的音频文件。详细输入和输出参数请见 separate_voice。
				transcode_audio	音频转码：音频转码将一个音频码流转换为另一个音频码流，通常涉及编码格式、编码参数和封装格式的转换，用于适应不同业务场景、播放终端和网络环境。详细输入和输出参数请见 transcode_audio。
图像处理	image	add_image_watermark	添加图文水印：为图片添加图文明水印，适用于版权标识与素材分发防盗链场景。详细输入和输出参数请见 add_image_watermark。
				adjust_image_color	图像调整：对输入图像的亮度、对比度和饱和度进行调整，支持调亮、调暗、增强对比度、减弱对比度、增强饱和度、减弱饱和度共 6 种快速调整效果。适用于素材基础优化、统一内容视觉风格、营造庄重、复古等特殊氛围等场景。详细输入和输出参数请见 adjust_image_color。
				compress_image	图像压缩：支持一站式图像体积优化，覆盖压缩质量、文件体积上限、输出格式转换和 PNG 瘦身；适用于用户上传图片前的体积治理；适用于网站与 App 的图片分发加载优化；适用于 AIGC 与多模态模型的媒体预处理。详细输入和输出参数请见 compress_image。
				crop_image	图像裁剪：对输入图像进行多模式裁剪，可执行方向裁剪、定向裁剪、自定义裁剪或内切圆裁剪，适用于多端尺寸适配、主体保留、商品图去边和指定区域截取。详细输入和输出参数请见 crop_image。
				enhance_image	图像画质增强：基于图像内容理解进行智能决策，提升图片的分辨率、清晰度与色彩表现。详细输入和输出参数请见 enhance_image。
				erase_image	图像擦除修复：可按不同场景控制自动检测并擦除图片中的文字或常见图标，擦除后的区域通过智能填充技术进行修复，修复后的区域与背景自然融合。详细输入和输出参数请见 erase_image。
				evaluate_image_quality	图像画质评估：用于图像画质评估，对输入图片进行主客观画质和美学评分，适用于质量监控、低质图筛查、内容审核、推荐排序和训练数据清洗。详细输入和输出参数请见 evaluate_image_quality。
				face_blur_image	图像人脸打码：自动检测图片中的所有人脸区域并进行马赛克处理，用于一键保护图片中的人脸隐私。支持社交平台内容审核、街景或监控画面脱敏、新闻媒体素材处理以及 AI 训练数据集脱敏等批量人脸隐私保护场景。详细输入和输出参数请见 face_blur_image。
				flip_image	图像翻转：支持对单张图片执行水平或竖直翻转。详细输入和输出参数请见 flip_image。
				gaussian_blur_image	图像高斯模糊：用于图像高斯模糊；通过设定模糊强度快速对图片进行模糊处理，适用于隐私信息弱化、背景氛围化、生成预览图及封面背景等场景。详细输入和输出参数请见 gaussian_blur_image。
				image_ocr	图像文字识别OCR：用于通用印刷体文字识别（OCR），识别图片中的简体中文和英文，并提供文本块位置坐标与置信度参考。详细输入和输出参数请见 image_ocr。
				invert_image	图像负片：用于图像负片，对输入图像执行负片（反相）效果，将图像的明暗关系与颜色映射为原图的相反效果，即明暗反转、色彩转为补色。详细输入和输出参数请见 invert_image。
				mosaic_image	图像打码：支持对整张图像或指定矩形区域进行马赛克打码，可调整像素格形状与大小。支持用于遮挡人脸、证件信息、车牌、聊天记录等敏感内容。详细输入和输出参数请见 mosaic_image。
				probe_image_metadata	图像元信息获取：支持查询 metadata、avghue、alpha、blurhash 四种图像信息。详细输入和输出参数请见 probe_image_metadata。
				remove_image_background	图像背景移除：自动识别并保留图像主体，移除背景后生成背景透明的图片，用于图像背景移除（抠图）。详细输入和输出参数请见 remove_image_background。
				resize_image	图像缩放：用于图像缩放，支持按指定宽高精确缩放，也可按长边、短边或等比模式缩放，适用于多端素材适配、封面与缩略图生成及批量图片预处理。详细输入和输出参数请见 resize_image。
				rotate_image	图像旋转：通过设置旋转角度和旋转背景样式对图片进行旋转处理，适用于图片方向校正、创意编辑和批量图像处理。详细输入和输出参数请见 rotate_image。
				round_corner_image	圆角矩形：为图片四角快速添加正圆或椭圆圆角，适用于头像、卡片、电商主图等常见视觉编辑场景。详细输入和输出参数请见 round_corner_image。
				sharpen_image	图像锐化：用于图像锐化，通过对输入图像进行锐化处理，有效增强图像的边缘细节与整体清晰度。适用于电商素材优化、UGC 画质增强、封面海报二创等场景。详细输入和输出参数请见 sharpen_image。
				slim_image	集智瘦身：集智瘦身通过 AI 大幅缩小图片体积，修复毛刺、彩噪和块效应等问题，增强图像边缘与纹理细节，输出更轻量且更清晰的图片。详细输入和输出参数请见 slim_image。
				smart_crop_image	图像智能裁剪：自动识别图像中的主体人脸区域，并适配指定尺寸进行裁剪；支持普通人脸和动漫人脸场景。未识别到人脸时，可按预设的降级策略输出结果。详细输入和输出参数请见 smart_crop_image。
智能视频	video	add_video_invisible_watermark	添加视频暗水印：用于视频暗水印添加。在不影响视频画面视觉质量与完整性的前提下，将一串数字信息隐藏式地嵌入视频文件中。适用于视频版权保护、内容泄露溯源、文件真实性校验等场景。详细输入和输出参数请见 add_video_invisible_watermark。
				analyze_video_highlights	高光片段提取：支持短剧 Miniseries 和小游戏 Game 两种分析模型，用于高光片段提取，并输出精准时间戳、高光打分、OCR 文本和画面描述，供二次开发或内容分析。详细输入和输出参数请见 analyze_video_highlights。
				analyze_video_storyline	剧情故事线分析：用于剧情故事线分析，基于大模型视频理解分析单个或多个长视频并生成结构化剧情数据。分析结果包含两部分：按时间顺序排列的剧情片段，以及基于视频片段整理和归纳出的高光故事线。详细输入和输出参数请见 analyze_video_storyline。
				asr_subtitles	语音转字幕（ASR)：从视频或音频的语音中识别并提取带时间戳的字幕文本；适用于提取视频字幕、语音转字幕、听写对白等诉求。识别对象是音轨中的语音内容，不是画面上已烧录的硬字幕。详细输入和输出参数请见 asr_subtitles。
				assess_video_quality	视频画质检测（VQScore）：用于视频画质检测。详细输入和输出参数请见 assess_video_quality。
				drama_recap	解说视频生成：将原始短剧/长剧/电影视频自动转化为带 AI 配音与解说字幕的全新视频。自定义解说词或 AI 自动生成解说词、可选原字幕擦除。。详细输入和输出参数请见 drama_recap。
				drama_recap_vertical	解说视频生成（短剧行业模型）：支持基于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生成全新的解说视频。详细输入和输出参数请见 drama_recap_vertical。
				drama_script	剧本还原：基于大模型视频理解能力，将短剧视频转化为结构化剧本文本，识别并提取场景、人物、对话和情节等核心元素。详细输入和输出参数请见 drama_script。
				enhance_video	画质增强：用于视频画质增强。利用 AI 算法对输入视频进行分析，并智能执行包括但不限于视频去噪、色彩增强、清晰度提升、瑕疵修复和超分辨率的一系列优化操作。提供 standard 和 professional 两种版本：standard 兼顾处理速度与视频画质，内置高频使用的 10 余种增强算法，适用于视频分发场景的画质增强；professional 提供极致画质增强，内置 30 余种深度 AI 增强算法，适用于影视级视频制作。不同版本会影响增强算法的强度、适用场景与计费。详细输入和输出参数请见 enhance_video。
				enhance_video_fast	视频画质增强极速版：集成轻量级超分与智能画质增强，采用速度优先策略，高效兼顾处理效率与画面效果，尤其适用于处理时延敏感的业务场景。详细输入和输出参数请见 enhance_video_fast。
				enhance_video_generative	生成式画质增强：基于 Diffusion 扩散大模型技术提供生成式视频增强与修复，通过深度语义理解，智能补全和生成符合视频内容的真实细节，可修复视频在压缩或老化过程中损失的像素，最终产出自然、高保真的视频画面。详细输入和输出参数请见 enhance_video_generative。
				erase_video_subtitle	字幕擦除（标准版）：智能检测并擦除视频画面中已有的硬字幕，保留原始背景；仅处理字幕，不支持水印擦除。详细输入和输出参数请见 erase_video_subtitle。
				erase_video_subtitle_pro	精细化字幕擦除：用于字幕擦除（精细化版），对视频字幕进行高质量无痕擦除，并最大程度还原视频画面。详细输入和输出参数请见 erase_video_subtitle_pro。
				extract_frames	视频抽帧：从视频中抽取截图，截图结果支持用于视频封面、预览图、雪碧图或其他视频理解任务的输入。详细输入和输出参数请见 extract_frames。
				extract_video_invisible_watermark	提取视频暗水印：从已嵌入暗水印的视频中解析并还原隐藏的数字信息；如果同一视频被多次嵌入暗水印，也能够提取出所有水印信息。详细输入和输出参数请见 extract_video_invisible_watermark。
				face_blur_video	视频人脸打码：视频人脸打码可自动精准识别视频画面中的人脸区域，并对所有人脸进行模糊或马赛克处理，适用于需要保护人物五官隐私的场景。详细输入和输出参数请见 face_blur_video。
				face_swap_video	视频人脸融合：将用户提供的目标人脸融合替换到视频中的人物上，输出高质量换脸视频，主要适用于生成式视频脱敏需要换脸的场景。详细输入和输出参数请见 face_swap_video。
				generate_highlights_microdrama	高光智剪-短剧：可用于短剧高光智剪，基于输入剧集的角色和剧情故事线理解提取高光片段，并按时长、产出个数、顺剪或跳剪等要求生成高光混剪、单集预告等视频。详细输入和输出参数请见 generate_highlights_microdrama。
				generate_highlights_minigame	高光智剪-小游戏：支持识别小游戏录屏视频中的核心玩法与高光事件，例如连击、通关、极限操作，并快速生成用于买量推广的视频素材。可选提供游戏名称、玩法描述和高光定义，辅助更精准地识别精彩内容。详细输入和输出参数请见 generate_highlights_minigame。
				generate_highlights_movie	高光智剪-影视拆条：支持面向电影、电视剧等长视频内容，按剧情故事线识别高光并拆分成多段指定时长的高光片段，用于影视合集分发的短视频素材；算法会识别并去除景色铺垫、缓慢运镜、片头片尾曲等低密度信息；每段拆条带有高光前置开场与结尾钩子设计。详细输入和输出参数请见 generate_highlights_movie。
				martencode_video	极智超清：极智超清在转码时智能分析视频的场景、动作、内容和纹理，选择最优编码参数，以相对较低码率输出主观画质更优的视频，降低带宽成本并改善用户视觉体验。详细输入和输出参数请见 martencode_video。
				matte_greenscreen_video	视频绿幕抠图：可对绿幕或纯色背景的视频进行抠图，自动识别并保留主体，最终生成背景透明或纯色背景的视频。详细输入和输出参数请见 matte_greenscreen_video。
				matte_portrait_video	视频人像抠图：自动识别视频中的人物主体，移除原始背景，并生成背景透明或纯色背景的视频文件，适用于背景替换等后期处理场景。详细输入和输出参数请见 matte_portrait_video。
				probe_video_metadata	视频元信息获取：探测输入的视频 URL，输出标准化的媒资元信息。详细输入和输出参数请见 probe_video_metadata。
				remux_video	视频转封装：视频转封装用于调整视频容器格式，仅修改容器格式，不会重新编解码音视频码流，适用于点播分发适配、流媒体切片打包与多端兼容等场景。详细输入和输出参数请见 remux_video。
				segment_scenes	场景切分：依据视频的转场和画面内容变化自动切分多个场景片段，输出每个场景片段的时间轴信息与对应的独立视频文件。详细输入和输出参数请见 segment_scenes。
				semantic_segment	智能语义切片：综合分析视频的画面、语音和叙事结构，通过镜头切换、语音停顿检测等策略，在保证语义完整、避免将单句从中间切断的前提下，将长视频智能地切分为多个独立的素材片段。详细输入和输出参数请见 semantic_segment。
				transcode_video	视频转码：视频转码将视频码流转换为另一视频码流，可涉及编码格式、分辨率、码率、I 帧间隔和封装格式转换，用于适应不同业务场景、播放终端和网络环境。详细输入和输出参数请见 transcode_video。
				video_ocr	视频识别字幕（OCR）：用于视频字幕识别（OCR），识别输入视频画面中的字幕信息，输出带时间戳的结构化文本数据。详细输入和输出参数请见 video_ocr。
				video_understand_router	视频理解智能策略：基于视觉大模型，对输入的视频 URL 列表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。详细输入和输出参数请见 video_understand_router。

快速体验：在 Trae 中配置

Trae 是一款 AI 原生 IDE，提供了强大的智能体协作能力。通过接入 AI MediaKit MCP ，您可以直接在 Trae 对话框中以自然语言方式调用云端媒体处理能力，快速完成视频剪辑、字幕处理、音频处理和画质增强等任务。

前提条件

访问 AI MediaKit 控制台 API Key 管理页面，创建并获取 AI MediaKit API Key（用于媒体处理功能鉴权）。

已确认 AI MediaKit 服务接入地址。若未显式配置，默认使用 https://amk.cn-beijing.volces.com。

已安装 Trae 客户端。

使用本地模式或云端自部署模式时，需确保本地开发环境已安装 uvx。可通过 uvx --version 检查；若提示未安装，请参考 uv 官方安装文档。

操作步骤

步骤 1：选择接入模式

根据您的使用场景，选择以下两种接入模式之一：

模式	适用场景	接入方式
本地模式（JSON Local）	个人调试、快速试用、无需自建服务。	通过 uvx 直接从 mcp-server 仓库子目录运行 AI MediaKit MCP。
云端模式（JSON URL）	团队共享、长期稳定使用、统一运维。	先自行部署 AI MediaKit MCP Server，再使用部署后的 Streamable HTTP 地址接入。

步骤 2：添加 MCP 配置

打开 Trae，单击窗口右上角“设置”（⚙️）按钮。

在 MCP 页签下，单击添加 > 手动配置。

根据您在步骤 1 中选择的模式，复制对应 JSON 配置，并按下方说明替换参数。

本地模式（JSON Local）

复制以下 JSON 并根据下方文字说明进行替换。Trae 会通过 uvx 自动拉取远程代码并在本地运行。

字段替换说明：

mediakit_mcp：MCP 服务名称，您可以根据需要自定义。

MEDIAKIT_API_KEY：请替换为您的 AI MediaKit API Key。

MEDIAKIT_ENDPOINT：AI MediaKit 服务地址。若使用默认接入地址，可保留 https://amk.cn-beijing.volces.com。

MCP_DOMAINS：按分组加载工具，例如 editing,video。如需按工具名精确加载，可改用 MCP_TOOLS。

如需按工具名加载，可参考以下写法：

云端模式（JSON URL）

云端模式不提供现成的部署链接。使用该模式前，您需要先自行部署 AI MediaKit MCP Server，并确保服务可通过 Streamable HTTP 方式访问。部署完成后，请记录可访问的服务地址，例如 https://your-domain/mcp，然后在 Trae 中按如下方式接入。

一种简单的启动示例如下：

完成部署后，复制以下 JSON 并根据下方文字说明进行替换：

字段替换说明：

mediakit_mcp：MCP 服务名称，您可以根据需要自定义。

url：请替换为您自行部署后的 AI MediaKit MCP Streamable HTTP 地址，例如 https://your-domain/mcp。

x-amk-api-key：请替换为您的 AI MediaKit API Key。

x-mediakit-endpoint：AI MediaKit 服务地址。若使用默认接入地址，可填写 https://amk.cn-beijing.volces.com。

x-mcp-domains：按分组加载工具，例如 editing,video。如需按工具名精确加载，可改用 x-mcp-tools。

如需按工具名加载，可参考以下写法：

确认该 MCP 的状态显示为绿色激活。

步骤 3：启用智能体对话

在 Trae 主界面打开对话面板，将底部智能体切换为支持 MCP 的模式。随后，您可以直接下达自然语言指令，例如：

帮我把这个视频裁剪为前 10 秒，并输出一个新视频。

帮我给这个视频添加中文字幕，字号设置为 28。

帮我擦除视频底部字幕，并对处理后的视频做画质增强。

帮我把两段音频拼接起来，如果任务是异步的，请继续帮我查询最终结果。

说明

同步任务会直接返回结果；异步任务会返回 task_id，需要调用 query_task 查询任务状态和结果。

默认开启幂等，即相同账户和核心请求参数在 2 天内重复提交时，服务会直接返回首次任务结果，不会重复创建任务。如需主动控制幂等，可传 client_token；请求重试时复用同一值，强制重新执行时必须传新的唯一值。client_token 由客户端生成，长度不超过 64 个字符。

MCP 配置参数说明

下表列出 AI MediaKit MCP 的核心配置项，区分云端模式与本地模式。请根据您的实际接入场景选择对应字段。

云端 Header 字段	本地环境变量名	示例	说明
x-amk-api-key	MEDIAKIT_API_KEY	your-api-key	AI MediaKit API Key，用于请求鉴权。
x-mediakit-endpoint	MEDIAKIT_ENDPOINT	https://amk.cn-beijing.volces.com	AI MediaKit 服务地址；未配置时默认使用该地址。
x-mcp-domains	MCP_DOMAINS	editing,video	按工具分组加载，多个分组用英文逗号分隔。
x-mcp-tools	MCP_TOOLS	trim_video,query_task	按工具名加载，多个工具名用英文逗号分隔。

云端自部署时，还可按需使用以下服务启动参数：

环境变量	默认值	说明
MCP_SERVER_HOST	0.0.0.0	MCP 服务监听地址。
MCP_SERVER_PORT	8000	MCP 服务监听端口。
STREAMABLE_HTTP_PATH	/mcp	Streamable HTTP 路径。

工具详情

query_task

查询异步任务状态。支持单次查询，也支持通过 poll_interval_seconds 与 max_poll_attempts 控制轮询。

add_image_to_video

在视频中添加图片覆盖层，可用于图片水印。支持配置图片宽高、水平位置、垂直位置、开始时间和结束时间。

add_subtitle_to_video

将字幕文件或字幕文本压制到视频画面中。支持字幕位置、字体大小、字体颜色和字体类型配置。

adjust_video_speed

调整视频播放速度，实现快放或慢放效果。支持 0.1 到 4 倍速。

concat_audio

拼接多个音频片段，最多支持 100 个音频 URL。

concat_video

拼接多个视频片段，最多支持 100 个视频 URL，并可配置转场效果。

extract_audio

从视频中提取音频，支持输出 mp3 或 m4a。

flip_video

对视频画面进行水平或垂直镜像翻转。

image_to_video

将多张图片合成为动画视频，并支持配置转场效果。

mux_audio_video

将视频与音频合成为一个视频文件。支持保留原视频音频，并支持按视频或音频基准进行时长对齐。

trim_audio

按秒级起止时间裁剪音频文件。

trim_video

按秒级起止时间裁剪视频文件。

erase_video_subtitle_pro

针对视频中的字幕或文本进行高质量擦除，尽可能还原视频画面。支持 mp4、flv、ts、avi、mov、wmv、mkv 等主流视频格式。

enhance_video

针对 common、ugc、short_series、aigc、old_film 等场景进行画质增强，支持标准版和专业版工具版本。

最近更新时间：2026.09.08 20:31:45

这个页面对您有帮助吗？

有用

无用