豆包工作AI MediaKit图像处理工具：21个工具覆盖压缩/增强/抠图/OCR/打码/擦除全流程
先说结果
byted-mediakit-image 是豆包工作中 AI MediaKit 专业媒体工具集的图像处理域，提供 21 个工具，覆盖图片体积治理（集智瘦身/有损压缩）、画质增强（智能超分/锐化）、基础编辑（裁剪/缩放/旋转/翻转/圆角）、颜色调整（亮度/对比度/饱和度/负片）、隐私保护（人脸打码/马赛克/高斯模糊/文字擦除）、水印、抠图（人像/商品/通用三场景）、内容理解（OCR/画质评估）、元信息探测等全流程。大部分工具同步执行（秒级返回），输入最高支持 40MP/50MB，一条自然语言指令即可触发复杂图片处理流水线。
一、技能定位与核心优势
AI MediaKit 图像处理域（image）与视频剪辑域（editing）、视频智能处理域（video）的核心区别：image 只处理单张或批量图片，做压缩、增强、抠图、OCR、打码等图片专属操作。从零生成或设计创意图片（海报/主视觉/封面）应转 doubao-creative-design。
image 域的核心优势：
1
大部分同步执行，秒级返回：与 video 域的异步任务不同，image 域大部分工具（增强/抠图/OCR/打码/压缩等）是同步执行，提交后直接返回结果，无需轮询 task_id，适合批量快速处理。
2
AI 驱动的智能处理：不是简单的像素操作，而是基于 AI 内容理解——智能超分（enhance-image 基于内容理解决策）、集智瘦身（slim-image AI 修复毛刺彩噪）、智能抠图（自动识别人像/商品/通用主体）、智能裁剪（smart-crop-image 自动识别人脸/动漫人脸）、文字擦除（智能填充修复背景）。
3
体积治理双工具分工明确：slim-image（质量优先，AI 瘦身+修复+增强，不指定精确参数时首选）和 compress-image（精确控制 quality/max_size/output_format，需要格式转换或精确体积时使用），覆盖从"尽量不掉画质"到"精确控制体积"的全场景。
4
隐私保护工具链完整：人脸自动打码（face-blur-image，返回检测到的人脸数量和位置）、指定区域马赛克（mosaic-image）、高斯模糊（gaussian-blur-image）、文字/图标擦除（erase-image，智能填充修复），满足内容合规与隐私脱敏需求。
二、21 个工具全景图
按功能分为九大类，每个工具对应一条 CLI 命令，在豆包工作中用自然语言即可触发：
| 类别 | 工具名 | 核心能力 |
|---|---|---|
| 体积治理 | slim-image | 集智瘦身，AI大幅缩小体积+修复毛刺彩噪块效应+增强边缘纹理，质量优先 |
| compress-image | 有损压缩+格式转换，精确控制quality/max_size/output_format | |
| 画质增强 | enhance-image | 智能画质增强，standard/professional两版，最高30倍超分，最大10240px |
| sharpen-image | 图像锐化，增强边缘细节与整体清晰度 | |
| 基础编辑 | crop-image | 多模式裁剪：方向/定向/自定义/内切圆 |
| smart-crop-image | 智能主体裁剪，自动识别人脸/动漫人脸，适配指定尺寸 | |
| resize-image | 图像缩放：指定宽高/长边/短边/等比模式 | |
| rotate-image | 图像旋转，可设角度和旋转背景样式 | |
| flip-image | 水平或竖直翻转 | |
| round-corner-image | 四角添加正圆或椭圆圆角，头像/卡片/电商主图 | |
| 颜色调整 | adjust-image-color | 亮度/对比度/饱和度调整，6种快速效果（调亮/调暗/增强/减弱对比度/增强/减弱饱和度） |
| invert-image | 负片/反相效果，明暗反转+色彩补色 | |
| 隐私保护 | face-blur-image | 人脸自动打码，圆形/矩形马赛克，返回人脸数量和位置，置信度可调 |
| mosaic-image | 整图或指定矩形区域马赛克，可调像素格形状与大小 | |
| gaussian-blur-image | 高斯模糊，隐私信息弱化/背景氛围化/预览图 | |
| erase-image | 文字/图标自动擦除+智能填充修复，可指定擦除文字内容 | |
| 水印 | add-image-watermark | 图文明水印，版权标识与素材分发防盗链 |
| 抠图 | remove-image-background | 背景移除，human/product/general三种场景，支持描边+透明背景裁剪，最高40MP |
| 内容理解 | image-ocr | 通用印刷体文字识别，中文/英文，返回文本块位置坐标+置信度 |
| evaluate-image-quality | 画质评估，主客观画质+美学评分，质量监控/低质图筛查/训练数据清洗 | |
| 元信息 | probe-image-metadata | 图像信息探测：metadata/avghue/alpha/blurhash四种 |
三、六大核心能力详解
1
AI 智能画质增强（enhance-image + sharpen-image）
enhance-image 基于图像内容理解进行智能决策，自动提升分辨率、清晰度与色彩表现。两个版本：standard 平衡速度与画质，最高 8 倍超分、6144px；professional 发丝级增强，最高 30 倍超分、10240px。可指定放大倍数（multiple）或目标宽高（target_width/target_height），默认 2 倍。sharpen-image 专门做锐化，增强边缘细节与整体清晰度，适合电商素材优化、UGC 画质增强、封面海报二创。
enhance-image 基于图像内容理解进行智能决策，自动提升分辨率、清晰度与色彩表现。两个版本：standard 平衡速度与画质，最高 8 倍超分、6144px；professional 发丝级增强，最高 30 倍超分、10240px。可指定放大倍数（multiple）或目标宽高（target_width/target_height），默认 2 倍。sharpen-image 专门做锐化，增强边缘细节与整体清晰度，适合电商素材优化、UGC 画质增强、封面海报二创。
2
智能抠图（remove-image-background，三种场景）
自动识别并保留图像主体，移除背景生成透明图片。三种场景模型：human（真人人像抠图，适合证件照/人像海报）、product（商品抠图，适合电商主图/产品展示）、general（通用场景，动漫/二次元/Logo/非纯色背景物品，human/product 效果不佳时改用）。human/product 场景支持主体描边（need_contour，可设颜色和宽度）和透明背景裁剪（need_crop-background，裁剪到刚好包裹主体）。输入最高 40MP、30MB，输出 png/jpeg/webp。
自动识别并保留图像主体，移除背景生成透明图片。三种场景模型：human（真人人像抠图，适合证件照/人像海报）、product（商品抠图，适合电商主图/产品展示）、general（通用场景，动漫/二次元/Logo/非纯色背景物品，human/product 效果不佳时改用）。human/product 场景支持主体描边（need_contour，可设颜色和宽度）和透明背景裁剪（need_crop-background，裁剪到刚好包裹主体）。输入最高 40MP、30MB，输出 png/jpeg/webp。
3
体积治理双工具（slim-image vs compress-image）
slim-image（集智瘦身）：质量优先，AI 大幅缩小体积的同时修复毛刺、彩噪和块效应，增强边缘与纹理细节，输出更轻量且更清晰的图片。适合"尽量不掉画质""质量优先"的场景，不指定精确参数时首选。支持 jpeg/png/heic/avif/webp 输入，最高 10000x10000px、50MB。
compress-image（有损压缩）：精确控制，用户明确给出 quality、max_size、output_format，要求格式转换，或明确接受 PNG 有损压缩时使用。适合"压缩到 200KB 以内""转成 WebP 格式"等精确需求。
两者边界：只说"压缩""变小"且无法判断时先澄清。
slim-image（集智瘦身）：质量优先，AI 大幅缩小体积的同时修复毛刺、彩噪和块效应，增强边缘与纹理细节，输出更轻量且更清晰的图片。适合"尽量不掉画质""质量优先"的场景，不指定精确参数时首选。支持 jpeg/png/heic/avif/webp 输入，最高 10000x10000px、50MB。
compress-image（有损压缩）：精确控制，用户明确给出 quality、max_size、output_format，要求格式转换，或明确接受 PNG 有损压缩时使用。适合"压缩到 200KB 以内""转成 WebP 格式"等精确需求。
两者边界：只说"压缩""变小"且无法判断时先澄清。
4
隐私保护工具链（4个工具）
face-blur-image：自动检测图片中所有人脸并马赛克打码，支持圆形/矩形两种形状，马赛克像素格大小 5-100px 可调，检测置信度阈值 0-1 可调（默认 0.9），返回检测到的人脸数量和每张人脸的位置坐标+置信度。适合社交平台审核、街景脱敏、新闻素材处理、AI 训练数据集脱敏。
mosaic-image：对整图或指定矩形区域打马赛克，可调像素格形状与大小，适合遮挡证件/车牌/聊天记录等敏感内容。
gaussian-blur-image：高斯模糊，适合隐私信息弱化、背景氛围化、生成预览图。
erase-image：自动检测并擦除图片中的文字或图标，擦除区域通过智能填充技术修复，与背景自然融合。支持全屏文字擦除（可指定擦除特定文字）和全屏图标擦除两种场景。
face-blur-image：自动检测图片中所有人脸并马赛克打码，支持圆形/矩形两种形状，马赛克像素格大小 5-100px 可调，检测置信度阈值 0-1 可调（默认 0.9），返回检测到的人脸数量和每张人脸的位置坐标+置信度。适合社交平台审核、街景脱敏、新闻素材处理、AI 训练数据集脱敏。
mosaic-image：对整图或指定矩形区域打马赛克，可调像素格形状与大小，适合遮挡证件/车牌/聊天记录等敏感内容。
gaussian-blur-image：高斯模糊，适合隐私信息弱化、背景氛围化、生成预览图。
erase-image：自动检测并擦除图片中的文字或图标，擦除区域通过智能填充技术修复，与背景自然融合。支持全屏文字擦除（可指定擦除特定文字）和全屏图标擦除两种场景。
5
文字识别 OCR（image-ocr）
通用印刷体文字识别，识别图片中的简体中文和英文，返回每个文本块的内容、位置坐标（左上角+右下角）和置信度。适合截图文字提取、文档扫描、票据识别、海报文案提取等场景。注意输入限制：长边不超过 3840px、短边不超过 2160px、单张不超过 10MB。超限图片建议先用 resize-image 缩放或 compress-image 压缩后再 OCR。
通用印刷体文字识别，识别图片中的简体中文和英文，返回每个文本块的内容、位置坐标（左上角+右下角）和置信度。适合截图文字提取、文档扫描、票据识别、海报文案提取等场景。注意输入限制：长边不超过 3840px、短边不超过 2160px、单张不超过 10MB。超限图片建议先用 resize-image 缩放或 compress-image 压缩后再 OCR。
6
智能裁剪与基础编辑（smart-crop-image + 5个基础工具）
smart-crop-image：自动识别图像中的主体人脸区域（支持普通人脸和动漫人脸），并适配指定尺寸进行智能裁剪，未识别到人脸时按预设降级策略输出。适合头像生成、封面裁剪、商品图主体保留。
基础编辑 5 工具：crop-image（方向/定向/自定义/内切圆四种裁剪模式）、resize-image（指定宽高/长边/短边/等比四种缩放模式）、rotate-image（任意角度旋转+背景样式）、flip-image（水平/竖直翻转）、round-corner-image（正圆/椭圆圆角，头像/卡片/电商主图）。
smart-crop-image：自动识别图像中的主体人脸区域（支持普通人脸和动漫人脸），并适配指定尺寸进行智能裁剪，未识别到人脸时按预设降级策略输出。适合头像生成、封面裁剪、商品图主体保留。
基础编辑 5 工具：crop-image（方向/定向/自定义/内切圆四种裁剪模式）、resize-image（指定宽高/长边/短边/等比四种缩放模式）、rotate-image（任意角度旋转+背景样式）、flip-image（水平/竖直翻转）、round-corner-image（正圆/椭圆圆角，头像/卡片/电商主图）。
四、标准工作流
1
明确业务目标：先确定要做什么——压缩？增强？抠图？OCR？打码？不同目标对应不同工具。只说"处理图片"而未说明目标时，AI 会先澄清。
2
选定工具链：从 21 个工具中选择一个或多个串联。简单任务单工具即可（如"给这张图抠图"），复杂任务需要多工具流水线（如电商主图处理：抠图→增强→压缩→加水印）。
3
豆包工作输入指令：用自然语言描述需求，包含素材文件、具体参数（如增强版本、抠图场景、压缩目标、打码方式等），AI 会自动读取技能文档、构造参数、调用 CLI。
4
同步获取结果：image 域大部分工具同步执行，提交后直接返回结果（处理后的图片 URL + 尺寸/大小等元信息），无需轮询。OCR/画质评估等返回结构化数据。
5
串联流水线：上一步的输出 URL 作为下一步输入，多条命令串联完成复杂处理（如：先探测元信息→超限则缩放→OCR识别→擦除文字→增强→压缩→加水印）。
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。以下三套指令可直接复制到豆包工作对话框中使用：
指令 1
电商主图批量处理流水线（抠图→增强→圆角→压缩→水印）
帮我用 AI MediaKit 图像处理工具处理这批电商商品图，按以下步骤操作：
1. 先用背景移除（remove-image-background）抠图，场景选商品（product），输出 png 格式保留透明背景，给主体加白色描边（宽度 8px），并把透明背景裁剪到刚好包裹主体
2. 抠图完成后，用智能画质增强（enhance-image），版本选 standard，放大 2 倍，提升清晰度和色彩表现
3. 增强完成后，用圆角（round-corner-image）给图片四角加 24px 圆角
4. 圆角完成后，用集智瘦身（slim-image）压缩图片体积，质量优先，输出格式保持 png
5. 最后用图文明水印（add-image-watermark）在右下角添加品牌水印文字"品质优选"
素材文件：product_01.jpg、product_02.jpg、product_03.jpg（已上传）
每张图按上述步骤依次处理，最后分别输出 5 张处理后的商品主图下载链接。
1. 先用背景移除（remove-image-background）抠图，场景选商品（product），输出 png 格式保留透明背景，给主体加白色描边（宽度 8px），并把透明背景裁剪到刚好包裹主体
2. 抠图完成后，用智能画质增强（enhance-image），版本选 standard，放大 2 倍，提升清晰度和色彩表现
3. 增强完成后，用圆角（round-corner-image）给图片四角加 24px 圆角
4. 圆角完成后，用集智瘦身（slim-image）压缩图片体积，质量优先，输出格式保持 png
5. 最后用图文明水印（add-image-watermark）在右下角添加品牌水印文字"品质优选"
素材文件：product_01.jpg、product_02.jpg、product_03.jpg（已上传）
每张图按上述步骤依次处理，最后分别输出 5 张处理后的商品主图下载链接。
指令 2
截图文字提取+擦除流水线（探测→缩放→OCR→擦除→增强）
帮我用 AI MediaKit 图像处理工具处理这张网页截图，按以下步骤操作：
1. 先用元信息探测（probe-image-metadata）查看图片的宽高和文件大小，判断是否超过 OCR 限制（长边3840px/短边2160px/10MB）
2. 如果超限，先用缩放（resize-image）等比缩放到长边不超过 3840px
3. 用文字识别 OCR（image-ocr）识别截图中的所有文字，返回每个文本块的内容、位置坐标和置信度，把识别结果整理成结构化文本给我
4. 用图像擦除修复（erase-image）擦除截图中的所有文字，场景选全屏文字擦除（full_screen_text_erase），擦除后智能填充修复背景
5. 擦除完成后，用智能画质增强（enhance-image），版本选 standard，保持原尺寸不放大，提升清晰度
素材文件：webpage_screenshot.png（已上传）
每步完成后告诉我结果，最后输出 OCR 识别的完整文本和擦除文字+增强后的干净图片下载链接。
1. 先用元信息探测（probe-image-metadata）查看图片的宽高和文件大小，判断是否超过 OCR 限制（长边3840px/短边2160px/10MB）
2. 如果超限，先用缩放（resize-image）等比缩放到长边不超过 3840px
3. 用文字识别 OCR（image-ocr）识别截图中的所有文字，返回每个文本块的内容、位置坐标和置信度，把识别结果整理成结构化文本给我
4. 用图像擦除修复（erase-image）擦除截图中的所有文字，场景选全屏文字擦除（full_screen_text_erase），擦除后智能填充修复背景
5. 擦除完成后，用智能画质增强（enhance-image），版本选 standard，保持原尺寸不放大，提升清晰度
素材文件：webpage_screenshot.png（已上传）
每步完成后告诉我结果，最后输出 OCR 识别的完整文本和擦除文字+增强后的干净图片下载链接。
指令 3
内容合规处理流水线（人脸打码→区域马赛克→画质评估→压缩）
帮我用 AI MediaKit 图像处理工具做内容合规处理，按以下步骤操作：
1. 先用人脸打码（face-blur-image），自动检测图片中所有人脸并打马赛克，形状用圆形，马赛克像素格大小 16px，检测置信度阈值 0.85（连侧脸也检测），输出 png 格式，告诉我检测到了几张人脸
2. 打码完成后，用马赛克（mosaic-image）对图片右下角的二维码区域做矩形马赛克，像素格大小 20px
3. 马赛克完成后，用画质评估（evaluate-image-quality）对处理后的图片做主客观画质和美学评分，告诉我评分结果
4. 最后用集智瘦身（slim-image）压缩图片体积，质量优先，输出 webp 格式
素材文件：event_photo.jpg（已上传，约 8MB）
每步完成后告诉我结果，最后输出合规处理后的图片下载链接和画质评估报告。
1. 先用人脸打码（face-blur-image），自动检测图片中所有人脸并打马赛克，形状用圆形，马赛克像素格大小 16px，检测置信度阈值 0.85（连侧脸也检测），输出 png 格式，告诉我检测到了几张人脸
2. 打码完成后，用马赛克（mosaic-image）对图片右下角的二维码区域做矩形马赛克，像素格大小 20px
3. 马赛克完成后，用画质评估（evaluate-image-quality）对处理后的图片做主客观画质和美学评分，告诉我评分结果
4. 最后用集智瘦身（slim-image）压缩图片体积，质量优先，输出 webp 格式
素材文件：event_photo.jpg（已上传，约 8MB）
每步完成后告诉我结果，最后输出合规处理后的图片下载链接和画质评估报告。
六、适用场景与边界
适合场景
✅
电商商品图批量处理：抠图→增强→圆角→压缩→加水印，一条流水线搞定电商主图/详情图/缩略图的批量标准化处理。
✅
图片体积治理：网站图片优化、APP 包体瘦身、上传前压缩，slim-image 质量优先或 compress-image 精确控制，从"尽量不掉画质"到"精确 200KB"全覆盖。
✅
内容合规与隐私脱敏：人脸自动打码（采访/街拍/活动照片）、指定区域马赛克（证件/车牌/二维码）、文字擦除（去水印/去台标/截图脱敏），满足内容审核与隐私保护需求。
✅
截图/文档文字提取：OCR 识别截图/扫描件/票据/海报中的文字，返回位置坐标和置信度，适合信息提取、文档数字化、数据录入。
✅
低质图片修复与增强：老照片修复、模糊图片清晰化、低分辨率图片超分（最高 30 倍/10240px），AI 智能补全细节。
不适合场景（转其他技能）
❌
从零生成/设计创意图片：需要生成海报/主视觉/封面/Banner 等创意设计 → 转
doubao-creative-design❌
视频画面裁剪/字幕压制/混音合流：需要视频剪辑操作 → 转
byted-mediakit-editing❌
视频抽帧/视频理解/视频增强/视频字幕擦除：需要视频智能处理 → 转
byted-mediakit-video❌
音频转码/人声分离/语音端点检测：需要音频处理 → 转
byted-mediakit-audio七、避坑提醒
避坑提醒
1
slim-image 和 compress-image 不要用错：用户强调"尽量不掉画质""质量优先"且没有精确体积/质量/格式要求时，用 slim-image；用户明确给出 quality、max_size、output_format，要求格式转换，或接受 PNG 有损压缩时，用 compress-image。只说"压缩""变小"且无法判断时先澄清。
2
抠图场景选择影响效果：remove-image-background 有 human/product/general 三种场景模型。真人人像用 human，商品用 product，动漫/Logo/非纯色背景/复杂主体用 general。human/product 效果不佳时换 general 再试。human/product 才支持描边和裁剪，general 不支持。
3
OCR 输入有严格限制：image-ocr 要求长边不超过 3840px、短边不超过 2160px、单张不超过 10MB。超限图片必须先用 resize-image 缩放或 compress-image 压缩，再把预处理返回的 URL 作为 OCR 输入。建议 OCR 前先用 probe-image-metadata 探测宽高和大小。
4
人脸打码置信度阈值要调好：face-blur-image 默认置信度阈值 0.9，过高可能漏检侧脸/歪头/遮挡人脸，过低可能误判非人脸区域。需要连侧脸一起打码时降低阈值（如 0.85），并注意 blur_shape 选 circle（圆形）或 rectangle（矩形），mosaic_step 控制马赛克颗粒大小。
5
增强版本选择影响效果和价格：enhance-image 的 standard 版最高 8 倍超分/6144px，professional 版最高 30 倍超分/10240px 且发丝级增强。普通分发场景用 standard 即可，影视级/老照片修复/商业印刷用 professional。同时传 multiple 和 target_width/height 时 multiple 生效。
6
临时链接 24 小时过期：所有输出图片 URL 都是临时下载链接，有效期 24 小时，务必及时下载保存。OCR 识别结果、画质评估报告等结构化数据也要及时保存。
八、一句话收个尾
AI MediaKit 图像处理的核心价值是把"修图"这件事从手工操作变成 AI 自动化流水线。21 个工具覆盖从压缩增强到抠图 OCR、从打码擦除到智能裁剪的全流程，大部分同步执行秒级返回，AI 大模型代替手工修图。当你需要批量处理几十张电商主图、给活动照片做人脸脱敏、或者从截图中提取文字时，这套工具集就是最高效的选择——在豆包工作中用一句自然语言指令，就能触发复杂的图片处理流水线。
作者声明：本作品含 AI 生成内容
2026-09-20 10:25:11
24 阅读
AI智能编辑DB
AI MediaKit图像处理mediakit-cli图片压缩画质增强智能抠图图片OCR人脸打码文字擦除智能裁剪
最新文章
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
2026-09-20
广西智慧万企传媒科技有限公司简称智慧万企,是一家为企业智慧经营全面赋能的营销科技公司。专注于企业智慧经营，业务包括RPA机器人流程自动化应用开发、RPA+AI超级营销，RPA+AI超新媒体，轻资产商业模式策划,智慧经营战略顶层设计等。
微信联系
