文档中心

AI MediaKit

视频工具

智能语义切片（基础版）

AI MediaKit 的智能语义切片（基础版）工具，基于视频内容语义理解，将一个长视频精准地切分为多个具备完整语义单元的片段，并输出每个片段的起止时间轴信息。与传统的基于转场/画面差异的镜头切分不同，智能语义切片会综合分析画面、语音与叙事结构，确保切点在语义上是完整的（例如，不会从一句话中间切断），让切片更贴合“可独立表达一段完整语义”的边界，适合用于短视频拆条、剪辑素材召回、多模态数据标注等场景。

本篇开发指南将引导您：

理解智能语义切片的工作方式。

快速从一个视频中获取语义切片的时间码结果。

学习如何调整目标切片时长范围与容忍度以贴合业务需要。

快速体验：获取视频语义切片时间轴

本节将通过一个具体的示例，演示如何为一个视频文件进行智能语义切分，并获取所有语义片段的起止时间戳。

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 MediaKit API Key（用于媒体处理功能鉴权）。

准备视频文件：准备一个待处理的视频文件，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。

操作流程

智能语义切片是一个异步任务，整体流程如下：

成功调用 POST /api/v1/tools/semantic-segment 提交任务后，您将获得一个唯一的 task_id。

您可以轮询查询任务信息 API，直到任务状态 status 变为 completed；或者使用事件回调自动接收任务状态变化。

任务完成后，解析响应中的 result 字段：result_url 指向一份 gzip 压缩的 JSON 文件，其中的 segments 数组包含所有语义片段的时间轴信息。

第 1 步：提交任务

调用提交智能语义切片任务 API。您可以直接复制以下 cURL 命令，向 API 提交一个基本的语义切片任务。

说明

将 {Your_API_Key} 替换为您的有效 API Key。

将 video_url 的值替换为您自己准备的视频文件 URL。

请求成功后，您会收到如下包含 task_id 的响应，请保存此 ID 用于后续查询。

第 2 步：获取结果

由于视频处理需要时间，您需要通过轮询查询任务信息 API 来获取最终结果，直到任务状态变为 completed。

说明

需替换参数：将 URL 末尾的 {task_id} 替换为第 1 步返回的任务 ID。

当任务成功完成后，您将收到如下响应。result 字段中的 result_url 指向 gzip 压缩后的 JSON 结果文件。

下载并解压 result_url 指向的文件，即可获得完整的切片结果，示例结构如下：

进阶使用

调整切分粒度

您可以通过 min_duration、max_duration 与 max_shift_tolerance 三个参数，精细化地控制语义切片的目标时长范围与边界容忍度：

min_duration：切片的目标最小时长（单位：秒），默认值为 3，最小值为 1。小于此值的片段会与相邻切片合并（前提是合并后不超过 max_duration），以避免产生过短的碎片（例如，快速闪回镜头）。

max_duration：切片的目标最大时长（单位：秒）。默认值为 30，最小值为 1。超过此值将触发强制切分，保证片段不会过长。

max_shift_tolerance：切点偏移容忍度（单位：秒）。默认值为 0，最小值为 0。设为大于 0 时，算法会在切点前后该范围内寻找更贴近语义的位置（如句末、停顿），让切点尽量落在自然停顿处而不是句子中间。该值越大，切点越贴合语义，但切片实际时长相对 min_duration 或 max_duration 的抖动也越大。

以下示例中，API 将会：

目标语义切片时长控制在 5~20 秒；

在语义边界附近允许最多 ±2 秒的浮动，尽量对齐到更清晰的镜头或语音停顿点。

参考信息

使用限制

限制项	说明
输入文件限制	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。视频时长：单个视频时长不得超过 3 小时。

计费说明

智能语义切片工具按输入视频时长计费，详细计费规则与单价请参见智能语义切片（按输入时长计费）。