自然语言驱动

Prompt（必填）

您只需通过 Prompt 参数提供简单的自然语言指令，Agent 将自动理解您的意图，分析并调用底层的 AI 能力（如视频翻译、字幕擦除等）来完成任务。

指定技能驱动

• SkillType（必填）
• SkillParams（是否必填取决于 SkillType）

您可以通过 SkillType 明确指定调用哪个具体的 AI 能力，并通过 SkillParams 传入该能力所需的精确参数。

AITranslation

必填

包含以下对象：

• TranslationConfig
• OperatorConfig
• SubtitleConfig
• ProcessConfig

将一个中文视频，通过 ASR 识别出语音，翻译成英文字幕和英文语音，并生成一个带英文硬字幕的新视频。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_video_id" }
  ],
  "SkillType": "AITranslation",
  "SkillParams": "{\"TranslationConfig\":{\"SourceLanguage\":\"zh\",\"TargetLanguage\":\"en\",\"TranslationTypeList\":[\"SubtitleTranslation\",\"VoiceTranslation\"]},\"OperatorConfig\":{\"SubtitleRecognitionConfig\":{\"RecognitionType\":\"ASR\"}},\"SubtitleConfig\":{\"IsHardSubtitle\":true,\"IsEraseSource\":false,\"FontSize\":24,\"MarginV\":0.1}}"
}

Highlight

必填

包含以下对象：

• HighlightCuts
• OpeningHook

对输入视频进行故事线维度的分析，并自动剪辑生成一个时长在 1-3 分钟、且开头包含最精彩片段的高光集锦。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    {"Type": "Vid", "Vid": "your_drama_vid_1"}
  ],
  "SkillType": "Highlight",
  "SkillParams": "{\"HighlightCuts\":{\"MinDuration\":60,\"MaxDuration\":180},\"OpeningHook\":{\"WithOpeningHook\":true}}"
}

Vision

必填

结构同 OperationTaskVision 对象。

利用多模态大模型，结合视频画面和语音内容，对整个视频进行深度理解，并根据 Prompt 的要求生成一段详细的文字描述。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_video_id" }
  ],
  "SkillType": "Vision",
  "SkillParams": "{\"Prompt\":\"[角色]\\n假设你是一个专业的视频内容分析专家，擅长通过视频抽帧图片和音频转译文本，精准把握视频核心内容。\\n[任务目标]\\n请根据输入的视频抽帧图片信息以及音频转译文本，撰写视频内容梗概。要求涵盖视频主要情节、关键人物以及核心事件，语言简洁流畅，逻辑清晰。\\n[限制]\\n视频内容梗概需要限制在1000字\\n输入内容\\n视频音频转译文本\\n{{PLACEHOLDER_ASR_RESULT}}\\n视频分段描述文本\\n{{PLACEHOLDER_VIDEO_CLIP_RESULT}}\\n输出格式\\n请严格按照以下 JSON 格式输出，不要输出其他额外内容：\\n{\"视频内容梗概\":\"[在此处填写概括后的视频内容，包含主要情节、关键人物、核心事件]\"}"}"
}

VCreative

必填

包含 Text（剪辑提示词）字段。

将输入的多张图片，按顺序拼接成一个指定总时长的视频。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_image_mid_1" }, // 此处传入图片的 Mid
    { "Type": "Vid", "Vid": "your_image_mid_2" }, // 此处传入图片的 Mid
    { "Type": "Vid", "Vid": "your_image_mid_3" }  // 此处传入图片的 Mid
  ],
  "SkillType": "VCreative",
  "SkillParams": "{\"Text\":\"将图片1、2、3拼接为10s的视频\"}"
}

将输入的多个视频素材拼接生成一个新视频。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_video_id_1" },
    { "Type": "Vid", "Vid": "your_video_id_2" }
  ],
  "SkillType": "VCreative",
  "SkillParams": "{\"Text\":\"将视频1、2拼接到一起\"}"
}

将一个视频素材的画面和一个独立的音频素材合并，生成一个音画合一的新视频。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_video_id_for_visuals" }, // 用于画面的视频
    { "Type": "Vid", "Vid": "your_audio_id_for_sound" }  // 用于声音的音频
  ],
  "SkillType": "VCreative",
  "SkillParams": "{\"Text\":\"将输入视频和音频合成到一起\"}"
}

Erase

可选

结构同 OperationTaskErase 对象

自动检测并擦除视频画面中的硬字幕，并生成一个不带字幕的、干净的新视频。

{
  "SpaceName": "your_space_name",
  "MultiInputs": [
    { "Type": "Vid", "Vid": "your_video_id" }
  ],
  "SkillType": "Erase",
  "SkillParams": "{\"Mode\":\"Auto\",\"Auto\":{\"Type\":\"Subtitle\"},\"NewVid\":true}"
}