360 Secure SkillHub
360 安全技能中心

Talking Video Auto Edit

这是火山引擎AI MediaKit旗下的口播智能精剪工具，覆盖从环境准备到导出的全流程口播处理。基于语音识别技术，能自动识别并去除口播的停顿、口误；用户上传音视频或触发剪辑指令即可使用，支持审核页复核、字幕压制配置，最终输出剪辑后的口播视频，使用需配置火山引擎相关服务密钥。

volc-ai-mediakit
volc-ai-mediakit
热度 28.29
最近更新 2026-03-25 18:17:03
分类：创作依赖：代码执行 / 读写文件 / 第三方 API应用场景：视频编辑 / 数据处理 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add talking-video-auto-edit
Metadata
name
talking-video-auto-edit
display_name
口播视频智能精剪工具
version
1.0.7
description
火山引擎 AI MediaKit 口播剪辑 Skill， 剪口播一站式技能。涵盖环境准备、媒资管理、音频处理、口播剪辑、视频导出、审阅页面、自迭代机制全流程能力。当用户提及"口播剪辑"、"剪口播"、"剪视频"、"去掉停顿"、"处理音频"、"导出口播"、"自动剪辑"、"去除口误"、"视频剪辑"时，必须触发此 Skill。上传视频/音频文件要求剪辑时也须触发
category
音视频处理
env
[{"name":"VOLC_ACCESS_KEY_ID","description":"火山引擎访问密钥ID，需开通VOD服务权限","required":true,"secret":true,"default":""},{"name":"VOLC_ACCESS_KEY_SECRET","description":"火山引擎访问密钥Secret","required":true,"secret":true,"default":""},{"name":"VOLC_SPACE_NAME","description":"火山引擎VOD存储空间名称","required":true,"secret":false,"default":""},{"name":"ASR_API_KEY","description":"语音识别服务API密钥","required":true,"secret":true,"default":""},{"name":"ASR_BASE_URL","description":"语音识别服务接口地址","required":true,"secret":false,"default":"https://openspeech.bytedance.com/api/v3/auc/bigmodel"},{"name":"VOD_EXPORT_SKIP_SUBTITLE","description":"导出时是否跳过字幕压制（默认跳过；0/false/no 表示启用字幕压制）","required":false,"secret":false,"default":"1"},{"name":"TALKING_VIDEO_AUTO_EDIT_REVIEW_AUTO_OPEN","description":"审核页启动时是否自动打开浏览器（默认不打开；1/true/yes 表示打开）","required":false,"secret":false,"default":"0"},{"name":"TALKING_VIDEO_AUTO_EDIT_VIDEO_CUT","description":"是否开启视频裁剪功能：1 进行（默认）；0 不进行。仅当有字幕或音频静音时生效。","required":false,"secret":false,"default":"1"}]
permissions
["network","file_read","file_write","temp_storage"]
triggers
["口播剪辑","剪口播","剪视频","去掉停顿","处理音频","导出口播","自动剪辑","去除口误","视频剪辑"]

⚠️ 凭据与安全（必读）

  • 能力范围：VOLC_ACCESS_KEY_ID / VOLC_ACCESS_KEY_SECRET / VOLC_SPACE_NAME 用于火山引擎视频点播（上传、媒资、导出等）；ASR_API_KEY / ASR_BASE_URL 用于豆包语音大模型转写。与 VOD + ASR 流程一致。
  • 最小权限与隔离：在控制台创建仅含所需 API 权限的访问密钥；勿将生产主账号密钥用于本技能。测试与开发请使用独立点播空间与专用子账号/密钥，避免误操作生产媒资。
  • 本地 .env：技能从 <SKILL_DIR>/.env 读取配置（setup.sh 可在缺失时从 template/env.md 生成空壳文件）。密钥须由用户在本地手工填入；Agent 不得在对话或仓库中写入真实 Secret，亦不得将 .env 提交到版本库。请保持 .gitignore 忽略 .env（若仓库尚无则在本技能目录补充）。

⚠️ STRICT EXECUTION RULES — NO EXCEPTIONS

  • Use ONLY the scripts listed below. Creating new scripts is FORBIDDEN.
  • Execute ALL steps IN ORDER. Skipping any step is a task FAILURE.
  • SKILL_DIR：指 talking-video-auto-edit 目录路径
  • Output-dir：执行任何需要 --output-dir 的命令前，必须按「从上下文推导 output-dir」规则先行推断，减少用户重复输入, 默认值为 <SKILL_DIR>往上数三级，如
    • <SKILL_DIR> 为： ./xx/skills/talking-video-auto-edit ，
    • Output-dir 则默认值为 ./output 即**./xx 的上级**。
  • Always cd <SKILL_DIR>/scripts before running any command in this Skill.
  • At each CHECKPOINT, verify output before proceeding.
  • If any step fails, HALT immediately and report to the user. Do NOT continue.
  • 禁止简化版：Step 4/5/6 的所有输出必须完整、符合规范；严禁输出「简化版」「占位符」「示例」或省略内容以绕过问题。
  • 审核页是否自动打开由 TALKING_VIDEO_AUTO_EDIT_REVIEW_AUTO_OPEN 决定（强制）：默认不打开；.env 中 TALKING_VIDEO_AUTO_EDIT_REVIEW_AUTO_OPEN=1（或 true/yes）时打开。Agent 不得额外执行 open、start、xdg-open 等命令，以脚本行为为准；可加 --no-open 覆盖。
  • 最终输出输出结果，必须保持原样，不能做任何修改
  • 超时时间： 音视频处理时长较长，请把宿主超时时间设置为 60 分钟

⚠️ 职责分工（重要）

组件 职责 不做
脚本（规则引擎） ASR 准确率优化、口播剪辑候选生成（标记位置+规则置信度+删除建议） 不做最终删除/保留决策
宿主 Agent（你） 语义断句、口癖识别确认、候选复核、最终删除/保留决策 不修改脚本

核心原则：脚本提供候选（含删除建议 deleted_parts + cleaned_text），Agent 做最终决策。

⚠️允许使用的脚本

需要 切换到 <SKILL_DIR>

  • ./scripts/setup.sh （环境检查与安装）
  • ./scripts/pipeline_url_to_asr.py （asr）
  • ./scripts/prepare_export_data.py（Step 6a 数据预处理，支持 --width --height --write-step6）
  • ./scripts/merge_asr_words.py（Step 4 产出缺 words 时，从 raw 合并）
  • ./scripts/serve_review_page.py（审核页静态服务）
  • ./scripts/export_server.py（导出服务，接收审核页 POST）
  • ./scripts/vod_direct_export.py（SubmitDirectEditTaskAsync / GetDirectEditResult 任务提交与查询）

从上下文推导 output-dir（减少用户操作）

默认 output 根路径：记 <PROJECT_ROOT> 为脚本推导得到的工程根目录：<SKILL_DIR> 向上两级父目录（约定技能目录与工程根之间固定相隔两层目录，中间目录名任意、代码中不写死任何一段路径名）。则默认写入 <PROJECT_ROOT>/output/。命令行里的相对路径 output/<文件名> 均以 <PROJECT_ROOT> 为基准。

Agent 不得扫描整个仓库/读取“最近文件”来推断 output-dir；只能使用对话中或上层调用方已显式提供的 --output-dir。

  • 推导优先级（按顺序尝试，命中即使用）：
    1. 对话历史/命令参数：本对话中已执行过 pipeline / prepare_export_data / serve_review_page 等命令，且命令行已显式传入 --output-dir output/<子目录> → 直接沿用
    2. 无法从对话历史获得：询问用户指定 --output-dir output/<子目录>（不做仓库扫描推断）

输出目录与重复处理规则

使用绝对路径

  • 输出路径：视频处理产物统一存放在 「产物根」 output/<文件名>/；产物根 = <PROJECT_ROOT>（脚本内部推导的项目根目录）。<文件名> 由素材来源推导：
    • URL：取 URL 最后一段（如 https://x.com/video.mp4 → video）
    • 本地文件：取文件名（不含扩展名），如 /path/Test_Video_720p.mp4 → Test_Video_720p
    • DirectUrl（VOD FileName）：取文件名（如 test.mp4 → test）
    • Vid：取 Vid 值（如 v0xxx）
  • 重复处理（必须执行）：在写入任何输出文件/目录前，若目标已存在，必须提示用户：
    • 目录重复（如 output/<文件名> 已存在）：「该输出目录已存在，是否删除原目录？[删除/保留并新建(01)]」
    • 文件重复（如 step5_asr_optimized.json、step6_speech_cut.json 已存在）：「该文件已存在，是否删除/覆盖/保留并写入新目录(01)？」
    • 用户选择前不得执行写入；超时 20 秒无回复 → 默认「保留并新建(01)」
  • 执行流水线时需传入 --output-dir output/<选定目录>

必经步骤（需严格按照顺序执行）

各 Step 的完整检查单与流程示意见 reference/执行步骤/ 下分步文档。须严格按下列顺序执行，不得跳过；命令与 CHECKPOINT 细则以对应文件为准。

Step 说明 文档
Step 1 环境检查与依赖安装 1. 环境检查.md
Step 2 语气词 / 卡顿词确认与规则更新 2. 语气词提示与用户行为更新.md
Step 3 URL → ASR 流水线与候选生成 3. URL到ASR流水线与候选生成.md
Step 4 宿主 Agent ASR 语义纠错（必须） 4. ASR语义纠错.md
Step 5 宿主 Agent 口播剪辑 5. 口播剪辑.md
Step 5.5 审核逻辑确认（是否打开审核页） 5.5 审核逻辑确认.md
Step 6a 数据预处理 6a. 数据预处理.md
Step 6b 审核与导出 6b. 审核与导出.md
Step 6c VOD 导出任务提交与查询 6c. VOD导出任务提交与查询.md

常见问题

现象 处理
本地文件走了 DirectUrl 模式 本地文件必须作为第一个位置参数传入；--directurl 仅用于 VOD 空间内已有 FileName，禁止传本地路径
step5 写入失败 必须写入 output/<文件名>/step5_asr_optimized.json，禁止写 output 根目录；禁止用简化版/占位符，Step 4 与 Step 5 必须分步完整执行
concat 规则要删但音频还在播 actionTime 填了整段；必须从 step5 words 查出仅保留部分的 ms，不得含被删部分（如「这个这个」81900–82540 应排除，只填 82540–83820）
重复文件未提示 写入前必须检查目标是否存在，若存在则提示用户选择：删除/覆盖/保留并新建(01)；超时 20s 默认「保留并新建(01)」
step6 修正未生效 确保 step6 顶层为 optimized_segments 或 sentences；运行 --write-step6 写回
segment 起止时间不准 Step 6a 会依 step5 words 校正；需有 step5_asr_optimized.json 或 step5_asr_raw_*.json
自检提示 delete 未在 deleted_parts 每个 action: delete 段必须在 deleted_parts 中有对应项，含 deleted_text、description、start_time、end_time（与 delete 段一致）

字幕可见性（Alpha）

  • 字段：textElement.Extra[transform].Alpha（0～1）
  • 含义：0 隐藏（不渲染到画布），1 展示
  • 删除态：Alpha 设为 0；恢复：Alpha 设为 1