豆包工作AI MediaKit视频剪辑工具：20个命令覆盖剪辑全流程，云端异步处理大文件-AI助手

豆包工作AI MediaKit视频剪辑工具：20个命令覆盖剪辑全流程，云端异步处理大文件

AI MediaKit视频剪辑工具

先说结果

byted-mediakit-editing 是豆包工作中 AI MediaKit 专业媒体工具集的视频剪辑域，提供 20 个命令行工具，覆盖裁剪、拼接转场、调速、滤镜、运镜、字幕压制、混音、音视频合流、动图截取等剪辑全流程。全部云端异步处理，支持 4K 分辨率、100 轨混音、13 种转场特效，本地文件自动上传，无需手动转码。一条命令完成一个剪辑动作，多条命令串联即可搭建自动化剪辑流水线。

一、技能定位与核心优势

AI MediaKit 是面向音视频与图像处理的专业工具集，统一通过 mediakit-cli 调用，分为四大领域：

领域	负责什么	典型场景
editing（本文）	对现成素材做裁剪、拼接、调速、滤镜、运镜、字幕、混音	视频剪辑、成片合成、批量处理
audio	音频媒资探测、转码、人声背景分离	音频格式转换、去人声
image	图片尺寸体积治理、增强擦除、打码水印、OCR	图片压缩、抠图、去水印
video	视频理解、高光拆条、抽帧、字幕提取、画质增强	视频分析、智能剪辑、超分

editing 域的核心优势：

命令行驱动，可脚本化：每个剪辑动作就是一条 mediakit-cli editing <tool> 命令，可写入 Shell/Python 脚本，搭建自动化剪辑流水线。

云端异步处理大文件：所有工具异步执行，提交后返回 task_id，轮询查询结果。支持 4K 分辨率、单文件 10GB，本地机器无需高性能显卡。

四种输入协议：支持公网 HTTP/HTTPS URL、本地文件路径（自动上传）、火山引擎 VOD vod://、对象存储 TOS tos://，灵活对接各种存储。

格式兼容广：输入支持 mp4、flv、ts、avi、mov、wmv、mkv 等主流格式，输出统一为 MP4（视频）或 mp3/m4a/wav/flac/ogg（音频）。

二、20 个工具全景图

按功能分为六大类，每个工具对应一条 CLI 命令：

类别	工具名	命令	核心能力
裁剪类	trim-video	`editing trim-video`	按起止时间截取视频片段
	trim-audio	`editing trim-audio`	按起止时间截取音频片段
	crop-video	`editing crop-video`	按矩形区域裁剪视频画面
拼接类	concat-video	`editing concat-video`	多视频顺序拼接+13种转场，最多100个
	concat-audio	`editing concat-audio`	多音频片段顺序拼接
	stitch-video	`editing stitch-video`	多画面水平/垂直空间拼接（对比画面）
调速类	adjust-video-speed	`editing adjust-video-speed`	视频倍速播放（快放/慢放）
调速类	adjust-audio-speed	`editing adjust-audio-speed`	音频倍速播放
音频处理	adjust-video-volume	`editing adjust-video-volume`	调整视频音量/静音
	mix-audio	`editing mix-audio`	多轨混音（BGM+人声+音效），最多100轨
	mux-audio-video	`editing mux-audio-video`	音视频合并/替换音轨
	extract-audio	`editing extract-audio`	从视频分离音轨
	fade-audio	`editing fade-audio`	音频淡入淡出
	fade-video-audio	`editing fade-video-audio`	视频音轨片头片尾淡入淡出
	—	—	—
画面处理	apply-video-filter	`editing apply-video-filter`	5种滤镜：春日/晚霞/鲜亮/白皙/食物
	apply-camera-motion	`editing apply-camera-motion`	4种运镜：zoom/pan-zoom/orbit-360/bounce
	flip-video	`editing flip-video`	视频上下/左右镜像翻转
	rotate-video	`editing rotate-video`	视频整体旋转
字幕	add-subtitle-to-video	`editing add-subtitle-to-video`	字幕压制，3种字体/4种位置，支持SRT/VTT/ASS
动图	extract-animated-image	`editing extract-animated-image`	截取片段生成GIF/WebP动图，最长60秒

三、六大核心能力详解

视频拼接 + 13 种转场（concat-video）
一次最多拼接 100 个视频，支持 13 种转场特效：交替出场、旋转放大、泛开、六角形、故障转换、飞眼、梦幻放大、开门展现、立方转换、透镜变换、晚霞转场、圆形交替等。转场 ID 用逗号分隔传入，视频数量超过转场数量时自动循环使用。输入分辨率不一致时，以第一个视频为基准输出。

字幕压制（add-subtitle-to-video）
支持两种输入方式：直接传字幕文件 URL（SRT/VTT/ASS），或用 JSON 数组逐条传入字幕内容（含 start_time/end_time/subtitle_text）。3 种字体：思源黑体（正文首选）、庞门正道标题体（大标题/封面）、站酷快乐体（轻松搞笑 Vlog）。4 种位置：底部居中（横屏默认）、顶部居中、画面正中、偏下三分之一（竖屏默认）。支持自定义字号和 RGBA 颜色。

多轨混音（mix-audio）
将背景音乐、人声、音效等最多 100 个音频文件混合为一个音频，输出时长以最长音频为准。支持 mp3/m4a/ogg/flac/wav 五种输出格式，默认 m4a。平均处理耗时与原片时长比为 1:1（RTF=1）。适合短视频 BGM+人声+环境音的一键合成。

视频滤镜（apply-video-filter）
5 种预设滤镜：春日（spring，清新明亮）、晚霞（sunset，暖橙色调）、鲜亮（vivid，高饱和）、白皙（fair_skin，人像美化）、食物（food，美食增强）。支持最高 4K 分辨率，单文件最大 10GB。一条命令完成全片调色，无需逐帧调整。

运镜特效（apply-camera-motion）
对静态或低动态视频添加专业运镜，4 种风格：zoom（缓慢推拉）、pan-zoom（平移+缩放）、orbit-360（360 度环绕）、bounce（弹跳运镜）。可指定起止时间段，默认从片头到片尾。适合素材二次创作、营销片头、短剧动效。注意：视频时长不得超过 5 分钟，最高 1080p。

动图截取（extract-animated-image）
从视频中按起止时间截取一段，生成 GIF 或 WebP 动图，最长 60 秒，固定 15fps，最大分辨率 480p。适合制作封面动图、营销素材、短视频预览。WebP 格式体积更小、画质更好，推荐优先使用。

四、标准工作流七步走

可用性检查：运行 mediakit-cli --version 确认 CLI 已安装，mediakit-cli --domains 查看可用领域。

选定工具：根据处理目标从 20 个工具中选择，运行 mediakit-cli editing --help 查看工具列表。

读取参考文档：选定工具后，先读取该工具的完整 reference（参数说明、枚举值、使用指南），再运行 mediakit-cli editing <tool> --schema 读取实时机器合同。

构造参数：必填参数必须来自用户真实输入；可选参数只在用户明确提供或可从意图准确确定时填写，不得伪造 URL、文件、枚举或业务参数。

提交任务：运行命令提交异步任务，成功后返回 task_id。本地文件路径会自动上传，无需手动处理。

查询结果：运行 mediakit-cli shared query-task --task-id <task_id> --poll-complete 轮询直到完成，结果包含输出文件 URL（临时链接 24 小时有效，需及时下载）。

串联流水线：将上一步的输出 URL 作为下一步的输入，多条命令串联即可完成复杂剪辑（如：裁剪→加滤镜→加字幕→拼接→混音）。

五、三套豆包工作输入指令（照抄即用）

在豆包工作中，你不需要手动输入 CLI 命令。只需用自然语言描述需求，AI 会自动读取技能文档、构造参数、调用 mediakit-cli 并轮询结果。以下三套指令可直接复制到豆包工作对话框中使用：

帮我用 AI MediaKit 视频剪辑工具处理这条短视频，按以下步骤操作：

1. 从第10秒裁剪到第40秒，保留精彩片段
2. 给裁剪后的视频加"晚霞"滤镜
3. 压制字幕，字幕内容："大家好，今天给大家分享一个超实用的剪辑技巧"，显示时间0-3秒，位置偏下三分之一，用站酷快乐体
4. 把处理好的片段和另外两个片段 clip2.mp4、clip3.mp4 按顺序拼接，拼接处加"泛开"和"晚霞转场"效果

素材文件：input.mp4、clip2.mp4、clip3.mp4（已上传）
每步完成后告诉我结果，最后输出成片下载链接。

帮我用 AI MediaKit 视频剪辑工具做音频处理，按以下步骤操作：

1. 从 input.mp4 视频中提取音轨
2. 把提取的人声、bgm.mp3 背景音乐、sfx.mp3 音效三个音频混合在一起，输出 mp3 格式
3. 给混音后的音频加首尾淡入淡出效果
4. 把处理好的音频替换回原视频 input.mp4 的音轨，输出最终视频

素材文件：input.mp4、bgm.mp3、sfx.mp3（已上传）
每步完成后告诉我结果，最后输出成片下载链接。

帮我用 AI MediaKit 视频剪辑工具制作营销素材，按以下步骤操作：

1. 给 input.mp4 视频前5秒加"zoom"运镜效果，让静态画面动起来
2. 把运镜后的视频调到1.5倍速
3. 从第2秒到第5秒截取3秒片段，生成 WebP 格式动图，用作封面动图
4. 把 before.mp4 和 after.mp4 两个视频左右水平拼接，做对比画面

素材文件：input.mp4、before.mp4、after.mp4（已上传）
每步完成后告诉我结果，最后分别输出动图和对比视频的下载链接。

六、适用场景与边界

适合场景

✅

批量短视频剪辑：多条命令脚本化，批量处理几十上百条短视频素材，自动裁剪+加字幕+拼接+混音。

✅

AI 短剧/漫剧后期：AI 生成的视频片段用 concat-video 拼接+转场，add-subtitle-to-video 压制字幕，mix-audio 合成 BGM+配音。

✅

营销素材自动化：extract-animated-image 批量生成封面动图，apply-video-filter 统一调色，stitch-video 做对比画面。

✅

音频播客制作：extract-audio 提取音轨，mix-audio 混音，fade-audio 淡入淡出，concat-audio 拼接多期节目。

✅

无本地高性能设备：全部云端处理，本地只需能运行 CLI，4K 视频也能轻松处理。

不适合场景（转其他技能）

❌

从零视频创作/广告创意：需要脚本、分镜、提示词规划 → 转 doubao-creative-video

❌

短剧/剧情/分镜生产：需要完整短剧创作流程 → 转 doubao-creative-drama

❌

视频理解/高光拆条/字幕提取：需要 AI 分析视频内容 → 转 byted-mediakit-video

❌

人声背景分离/音频转码：需要音频智能处理 → 转 byted-mediakit-audio

❌

图片增强/抠图/去水印：需要图像处理 → 转 byted-mediakit-image

七、避坑提醒

避坑提醒

异步任务必须轮询：所有工具都是异步执行，提交后只返回 task_id，必须用 query-task --poll-complete 等待完成，不要以为命令执行完就有结果。

临时链接 24 小时过期：未设置 media_output_destination 时，输出 URL 是临时下载链接，有效期 24 小时，务必及时下载保存。需要持久化存储时设置 vod:// 或 tos://。

JSON 参数传参规范：对象/对象数组参数（如 --subtitles）必须传合法 JSON 字符串。bash 用单引号整体包裹；Windows PowerShell 必须把 JSON flag 放在 --% 之后，内部双引号写成 \"，禁止单引号 JSON 和 $json 变量。

数组参数用逗号分隔：--video-urls、--audio-urls、--transitions 等数组参数传多个值时用逗号分隔并整体加引号，单个 URL 不能包含逗号，否则会被拆成多个元素。

运镜工具有时长限制：apply-camera-motion 视频时长不得超过 5 分钟，最高 1080p。超长视频需要先裁剪再添加运镜。

字幕位置要避开平台控件：成片用于短视频/漫剧平台时，字幕位置要避开平台操作栏、进度条和互动控件。竖屏推荐 lower_third，横屏推荐 bottom_center。

八、一句话收个尾

AI MediaKit 视频剪辑工具的核心价值不是"替代剪映"，而是把剪辑动作命令化、脚本化、云端化。20 个工具覆盖从裁剪到混音的全流程，一条命令一个动作，多条命令串联就是一条自动化剪辑流水线。当你需要批量处理几十条短视频、用脚本控制剪辑逻辑、或者本地设备跑不动 4K 视频时，这套 CLI 工具集就是最高效的选择。

作者声明：本作品含 AI 生成内容