Byted Mediakit Shared

MediaKit 专业媒体处理入口

MediaKit 是面向音视频与图像处理的专业工具集。它将常见的媒体加工、内容理解和 智能增强能力统一到 mediakit-cli，适合从素材处理到成片制作的完整工作流。

能力范围

• 视频剪辑与合成：裁剪、拼接与转场、调速、音量调整、画面翻转和滤镜、运镜、图片叠加、字幕压制、混音、音视频提取与合流、淡入淡出、文字滚屏、图转视频以及多画面编排。
• 音频与音轨处理：音频转码与媒资信息探测、语音边界定位，以及人声与背景声分离。
• 图像处理与内容理解：尺寸缩放与体积治理、元信息探测、裁剪旋转翻转与圆角、颜色与锐化、负片、模糊与打码、水印、背景移除、文字识别、画质评估与智能裁剪等。
• 视频理解与增强：视频内容理解、剧情/剧本与高光拆条、画质增强与画质检测、抽帧、从视频提取字幕、语音转字幕、字幕识别与擦除、水印与隐私保护、人像或绿幕抠像与换脸、媒资探测、场景与语义分段、画面文字识别、转码转封装等。

能力选择与优先加载

按用户的处理对象和明确目标选择领域 Skill：

如果一个请求同时包含多个阶段，先加载与主要产出最匹配的领域 Skill，再按工作流 需要加载其他领域 Skill。只说明“处理一个视频”或“处理一张图片”而没有说明目标 时，先向用户澄清，不要根据媒体类型猜测具体能力。

选定领域后，必须先读取该领域 Skill，再读取最终选定工具的完整 reference，最后 依据当前 CLI 的机器合同构造参数。共享入口只负责能力导航和通用 CLI 使用方式， 不重复具体工具的参数、枚举或结果字段。

可用性检查

mediakit-cli --version
mediakit-cli --help
mediakit-cli --domains

使用流程

1. 按对象和目标选择领域 Skill；只说明媒体类型而未说明目标时，先向用户澄清。
2. 选定工具后，先读取该工具的完整 reference，再读取实时 --help 与 --schema。
3. 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。不能准确确定时省略，确为完成任务所必需时先澄清；不得伪造 URL、文件、枚举或业务参数。

命令发现

mediakit-cli --domains
mediakit-cli <domain> --help
mediakit-cli <domain> <tool> --help
mediakit-cli <domain> <tool> --schema

--schema 只读取当前 Cloud 机器合同，不发起业务调用；顶层包含 name、 description、input_schema 和 output_schema。

媒体输入

直接把用户提供的输入值传给工具参数。本机文件请传本地文件路径（如 /path/to/file.jpg 或 ./file.jpg），不要自行添加 mediakit:// 前缀；CLI 的 Cloud 输入适配器会处理上传。无需新增上传命令或上传参数。

异步任务

异步能力返回 task_id 后，使用下列查询协议获取状态和终态业务结果。

豆包场景下 query-task 单次轮询最长 9 分钟。使用 --poll-complete 时，到点后 CLI 正常退出（exit_code 0），返回最后一次查询结果；status 仍可能为 running/queued，不是状态异常。未达终态时用同一 task_id 再次 query-task，长耗时任务（如 8K 画质增强）通常需多轮。暂不支持通过 CLI 调整该上限。

Agent 禁止将「exit 0 + running」当作故障排查；详见 reference/query_task.md 的「Agent 行为」一节。