文档中心

AI MediaKit

智能剪辑

智能剪辑 Vibe Editing

AI MediaKit 智能剪辑是面向企业客户提供的视频理解剪辑工具集，致力于将复杂的视频剪辑能力封装为可组合、可调用、可对话的智能服务。结合火山方舟视觉大模型，用户无需理解底层复杂的剪辑参数，只需通过自然语言描述剪辑目标，系统即可自动完成意图理解、参数转换、多轨道剪辑、云端渲染与成片导出。

AI MediaKit 智能剪辑适用于 AI 剧粗剪、视频二创、视频剪辑 Agent 等业务场景，并支持 API、Web SDK 等多种交付形态，能够灵活适配您的 SaaS 平台、Agent 工具及自建业务系统。

为什么需要智能剪辑？

随着大模型在视频生成与理解上的能力持续增强，企业可以更轻松地生产和解析媒体素材。然而，在 AI 生成内容（AIGC）的后期制作，或基于视频理解结果进行二次创作时，传统剪辑工具暴露了以下问题：

参数复杂：传统剪辑涉及大量参数，学习成本高。

AI 协同不畅：AI 模型直接控制底层剪辑参数时，容易因理解偏差导致结果不理想。

智能剪辑旨在解决这一问题，它为 AI 和业务提供了一套足够友好且易用的剪辑基础设施，将复杂的底层能力封装为简单的自然语言接口，显著降低了视频创作的门槛。

方案架构

方案优势

对话即剪辑，零门槛上手：自然语言直接驱动多轨道剪辑，无需掌握专业剪辑软件，复杂操作一句话完成，大幅降低使用门槛。

场景覆盖广，一套能力多用：从 AI 剧创的片段拼接，到视频二创的精彩剪辑，再到个人助手的自由创作，一套产品能力覆盖多类核心场景。

所见即所得，人机协同：Web SDK 支持实时预览与手动微调，Agent 自动生成草稿后用户可直接在线精调，兼顾效率与可控性。

多形态交付，灵活集成：API、Web SDK 多种交付形态全覆盖，无论是 AI SaaS 平台、Agent 工具还是传统业务系统，均可低成本快速接入。

云端渲染，稳定高效：云端合成导出，弹性资源支撑高并发，无需客户自备算力，开箱即用、交付稳定。

支持的剪辑能力

当前，您可以通过自然语言使用以下丰富的剪辑能力：

功能分类	能力说明
视频理解与智能识别	视频理解后剪辑：支持基于主题或人物进行片段剪辑（如 “提取关于某个主题的讨论”、“剪辑女主出现的片段”）。精彩片段提取：识别视频中的强冲突、强情绪等高能片段，并剪辑为新视频。风险识别打码：识别视频中暴力血腥等风险场景，输出出现的时间点和画面位置，并对暴力血腥出现的时间点和画面进行高斯模糊处理。
基础素材操作	时间轴操作：支持对素材进行精确的开始、结束时间截取，以及循环播放。画面裁剪：支持从原始画面中裁剪出任意矩形区域。速度控制：支持对视频或音频素材进行倍速处理。 2D 变换：支持调整素材的位置、尺寸（宽/高）、进行水平/垂直翻转和任意角度旋转。
视觉效果与调整	色彩调整：支持调整画面的亮度、饱和度、色调、对比度等。调色滤镜：支持为视频添加多种风格化滤镜。视觉特效：支持分屏、镜像等常见效果，以及通过名称指定信号故障、抖动、辉光等多种特效。查看支持的特效。模糊效果：支持对画面进行整体或局部的矩形高斯模糊。转场动画：支持在不同视频片段间添加转场效果，您可以在指令中通过名称指定交叉溶解、闪烁、推入等具体转场。查看支持的转场。元素动画：支持为视频、图片、文字等元素添加进入、退出或强调动画。
音频处理	音量调节：支持调整音频素材的整体音量。淡入淡出：支持在音频的开始或结尾创建平滑的音量淡入、淡出效果。
文字与字幕	内容来源：支持直接传入文本内容，或使用 SRT/ASS 等标准字幕文件。样式与花字：支持使用预设的花字资源，或自定义文字样式（字体、字号、颜色、背景、描边等）。排版布局：支持自动换行、横向/纵向对齐，以及横向/竖向排版。

使用模式

智能剪辑提供两种使用模式，您可以根据业务需求选择合适的方案。

模式 1：直接生成

该模式以 API 调用为核心，实现全自动化的视频生成。您只需提供媒体素材和描述剪辑目标的自然语言指令 (Prompt)，系统即可异步完成从意图理解、剪辑参数转换到云端合成的全过程，并直接返回最终的视频文件。

适用场景：后端服务驱动的自动化出片、批量化内容生产、集成至 AI Agent 或工作流引擎等无需人工干预的场景。

使用方式：通过调用提交智能剪辑任务 API 实现。未来将支持通过 Skill 接入对话式应用。

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）。

准备素材文件：确保您剪辑所需的所有媒体文件（视频、音频、图片）均已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。

进行跨服务授权：智能剪辑工具会在剪辑过程中根据自然语言意图调用其他 AI MediaKit 工具以及剪辑合成工具完成最终成片。因此在首次调用本 API 前，您必须先在 AI MediaKit 控制台基础配置 > 授权管理页面，为 AI MediaKit 授予访问您 IMP 智能处理资源的权限。否则，任务将因无权限访问而失败。同一账号下只需授权一次，后续调用无需重复操作。

（可选）当您的剪辑指令包含需要理解视频内容的意图时（例如，识别特定物体、场景或行为并进行剪辑），智能剪辑工具可以依赖火山方舟视觉大模型进行内容分析。为确保任务正常执行，请在使用前完成以下准备工作：

开通火山方舟大模型服务：请前往火山方舟控制台，确保您计划使用的模型服务已开通并可正常调用。

进行跨服务授权：首次使用涉及视频理解的智能剪辑功能前，您需要为 AI MediaKit 授予访问您火山方舟资源的权限。请前往 AI MediaKit 控制台基础配置 > 授权管理页面，为 AI MediaKit 授予访问您 AMK 火山方舟资源的权限。

操作流程

提交智能剪辑任务：调用提交智能剪辑任务 API，传入媒体素材 URL 和自然语言指令。成功后，您会获得一个用于查询的 task_id。您可以直接复制以下 cURL 命令，向 API 提交一个剪辑任务。该示例演示了如何将两段视频拼接，并添加背景音乐。

curl -X POST 'https://mediakit.cn-beijing.volces.com/api/v1/tools/vibe-editing' \
-H 'Authorization: Bearer {Your_MediaKit_API_Key}' \
-H 'Content-Type: application/json' \
-d '{
"content": [
{ "type": "text", "text": "先播放视频1，然后播放视频2，同时加上背景音乐。" },
{ "type": "video_url", "video_url": { "url": "https://example.com/video_1.mp4" } },
{ "type": "video_url", "video_url": { "url": "https://example.com/video_2.mp4" } },
{ "type": "audio_url", "audio_url": { "url": "https://example.com/bgm.mp3" } }
],
"output": {
"resolution": "1080p"
}
}'

说明

将 {Your_MediaKit_API_Key} 替换为您的真实 API Key。

将示例中的 URL 替换为您自己公网可访问的媒体文件地址。

请求成功后，您会收到一个用于查询进度的 task_id，例如 amk-tool-vibe-editing-123456789。

查询任务结果：使用上一步获取的 task_id，通过轮询查询任务信息 API 直至任务状态（status）变为 completed。

curl -X GET 'https://mediakit.cn-beijing.volces.com/api/v1/tasks/amk-tool-vibe-editing-123456789' \
-H 'Authorization: Bearer {Your_MediaKit_API_Key}'

当任务成功完成后，您将收到如下响应。您可以在 result.artifacts[0].url 中找到最终产物的下载地址。

{
"success": true,
"task_id": "amk-tool-vibe-editing-123456789",
"status": "completed",
"result": {
"artifacts": [
{
"operation": "synthesize",
"type": "video",
"url": "https://example.volcvideo.com/vibe_editing_output.mp4?auth_key=...",
"duration": 42.5,
"description": "拼接 video_1 与 video_2，并添加背景音乐。"
}
]
},
"created_at": 1777291767,
"finished_at": 1777291851,
"expires_at": 1777464650
}

模式 2：预览剪辑

该模式将 AI 的自动化能力与人工的精细化调整相结合，提供“人机协同”的剪辑体验。系统会先根据您的指令生成剪辑草稿，并提供一个可视化的剪辑界面。您可以在草稿基础上，通过追问进行多轮对话式修改，或直接在界面上进行拖拽、裁剪、预览等操作，实现“所见即所得”的精细调整。

适用场景：对成片质量、创意细节和最终效果有较高把控需求的场景，如内容创作平台、在线剪辑工具等。

使用方式：

快速体验：您可直接登录 AI MediaKit 控制台进行在线体验。详情请参阅快速体验。

集成开发：您可以通过 Web 智能剪辑 SDK 将此交互式剪辑器无缝集成到自己的业务系统中。详情请参阅Web 智能剪辑 SDK 集成指南。

快速体验

您可以通过控制台快速了解和试用预览剪辑。

前往 AI MediaKit 控制台智能剪辑页面。

在对话框中，您可以：

上传素材：单击 ➕ 添加素材，上传您想要剪辑的视频、图片或音频文件。

选择场景方案：在对话框底部，您可以单击场景方案选择器，根据您的剪辑需求选择合适的预设场景方案（支持漫短剧粗剪、短剧高光、视频混剪 Vlog）。选定后，系统将按照该场景的预置指令和流程处理您的素材。

选择大模型版本：在场景方案旁边的模型选择器中，您可以自主选择所需的大模型版本（支持 Doubao-Seed-2.0-pro、Doubao-Seed-2.0-lite、Doubao-Seed-2.0-mini 等模型），选定后系统在处理素材理解需求时将自动调用该模型。若没有模型，可前往方舟控制台创建。

输入指令：在对话框中，使用自然语言描述您的剪辑需求。您可以通过单击 @ 引用已经上传的素材。例如：

“将视频 1 和视频 2 拼接在一起。”

“为视频添加‘科幻’风格的背景音乐。”

“裁剪视频，只保留第 10 秒到第 30 秒的片段，并让人声更大一些。”

“剪辑出视频中的精彩片段。”

预览与微调：您通过自然语言在聊天框下达指令后，系统会进行智能剪辑。您可以单击左侧聊天框中的剪辑产物卡片，系统会自动在右侧展示剪辑轨道。可以通过以下步骤对成片效果进行预览、微调和导出。

实时预览剪辑效果：右侧上方的播放器区域支持所见即所得的实时预览。单击播放器下方的 ▶ 按钮，即可实时播放当前时间轴上的音视频与字幕组合效果。

在时间轴上精准微调：如果 AI 生成的草稿细节需要调整，您可以在右侧下方的时间轴区域进行可视化微调：

修改出现时间：在时间轴上，左键按住字幕块（紫色条）或视频块，左右拖拽即可改变它们在视频中出现的先后顺序。

调整时长：鼠标悬停在轨道元素（如文字轨道）的左右边缘，出现双向箭头时拖拽，即可精准调整该文字或视频的显示时长。

选中时间轴上的任意片段（如特定视频帧或字幕块），单击轨道上方快捷工具栏中的按钮进行分割/复制/粘贴/删除等操作。

编辑文字与样式：在时间轴上双击紫色文字轨道，或在预览画面中直接双击文字框，即可修改文本内容。您也可以在播放器上方的导航栏切换到文字面板，调整字体大小和颜色。

添加转场、特效与滤镜：在播放器上方的导航栏切换至转场、特效、滤镜等面板。选择合适的效果后，直接将其拖拽应用到下方的视频轨道之间或对应时间段上。

导出视频：确认微调无误后，单击编辑器右上角的下载按钮发起云端渲染合成。您也可以在左侧对话框中继续输入 "直接导出视频" 指令，AI 会自动提交渲染。

下载产物：合成完成后，单击左侧聊天框剪辑产物卡片右侧的下载按钮即可获取和保存最终的成片。

计费说明

智能剪辑方案包含两个核心工具。整体计费基于底层合成工具的实际使用量。

智能剪辑 vibe-editing：通过大语言模型（LLM）进行意图识别，将您的自然语言剪辑意图转换为精确的剪辑参数，然后调用“智能剪辑合成”工具来提交具体的合成任务。该工具本身及其依赖的 LLM 服务，目前不计费。

智能剪辑合成 vibe-editing-common：作为底层的多轨道剪辑合成服务，负责执行视频、音频、图像、文字、转场、特效等所有元素的云端渲染与合成工作。该工具由“智能剪辑”工具自动调用，不支持您单独调用，按最终成功合成的产物时长收费，计费单元为“剪辑工具-基础剪辑-计费时长”。详细的计费规则，请参阅剪辑工具计费。

说明

当您的剪辑指令涉及视频内容理解时（例如“提取所有猫出现的镜头”、“找到所有户外场景”等），系统会调用火山方舟视觉大模型，并因此产生火山方舟大模型调用费。该费用由火山方舟收取，按模型调用过程中实际消耗的 Token 数量计费。关于不同模型的 Token 计费标准，请查阅火山方舟服务的最新官方定价说明。

Prompt 示例

您可以参考以下示例来构建您的剪辑指令。请注意，在实际调用 API 或使用控制台时，您需要通过 @ 或其他方式指定指令中涉及的具体素材文件。

能力分类	Prompt 指令示例
视频内容理解	“识别视频中精彩片段，如强冲突、强情绪，并剪辑为一个新视频。” “识别视频中女主出现的时间段，并剪辑为一个新视频。” “从会议视频中剪辑出关于 agent 讨论的主题片段。” “识别视频中暴力血腥场景，并对出现的时间点和画面位置进行高斯模糊处理。”
基础操作	“把视频1 的第 5 秒到第 20 秒截取出来。” “将视频2 的播放速度提高一倍。” “将视频1 的画面裁剪成 9:16 的竖屏比例。”
视觉效果	“在视频1 和视频2 之间添加一个【闪烁】转场。” “为视频1 添加【信号故障】特效。” “让视频1 的画面亮度再高一点，对比度也增强一些。” “为图片1 添加一个从左侧飞入的动画效果。”
音频处理	“把背景音乐的音量调低 50%。” “让视频1 的音乐在结尾处慢慢淡出。”
文字字幕	“在视频开头添加白色字‘AI 创作’，持续 3 秒。” “使用字幕文件.srt 为视频添加字幕。”
多能力组合	“先播放视频1，然后播放视频2，同时将背景音乐作为 BGM 铺在整个视频底下，注意把 BGM 音量调小一点。” “将视频1 裁剪为 9:16 的竖屏，并把它的饱和度调高，然后把 @logo.png 放在视频的右上角。” “把视频1 的第 10 秒到第 15 秒片段和视频2 的第 30 秒到第 35 秒片段拼接起来，在两个片段中间加一个转场，最后在视频底部加上一行黑色字幕，内容是‘精彩瞬间’。”