byted-mediakit-shared
MediaKit 是面向音视频与图像处理的专业工具集，覆盖视频剪辑与合成、音频处理、视频理解与增强、图像处理与内容理解等工作流。用户明确提出剪辑、拼接、裁剪、转场、滤镜、运镜、混音、提取字幕、语音转字幕、音视频处理、图片处理、视频分析或画质增强目标时，先加载本 Skill，再按对象和目标选择 audio、editing、image 或 video。不承担具体能力参数说明。
- Installs
- 12.3K
- Last 24h
- —
- Trending rank
- —
- Security
- Pass
Install
Works with every agent the skills CLI supports.
npx skills add https://github.com/volcengine/mediakit-cli --skill byted-mediakit-shared- 01
Install
Run the command in your project. The CLI asks which agents to install for.
- 02
Describe the task
Ask your agent for something this skill covers. It loads byted-mediakit-shared automatically when relevant.
- 03
Review the result
The agent follows the SKILL.md steps, scripts and references bundled with the skill.
Security audits
Independent scans of the skill's instructions and bundled files.
SKILL.md
The instructions your agent reads when the skill is triggered.
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。
使用规则
- 通过本 Skill 或领域 Skill 实际执行
mediakit-cli业务命令时，必须在同一次 调用中注入来源与宿主，避免 CLI 无法识别调用来源：MEDIAKIT_SURFACE=skill（本 Skill / 领域 Skill 调用固定为skill）MEDIAKIT_RUNTIME=<当前 Agent 宿主>（无法判断时用unknown）
- 注入方式：在命令前设置环境变量（推荐），不要把这两个值当成 CLI flag 或业务参数。
--help/--schema/--domains/--version等只读发现命令可不注入；一旦发起 真实处理或shared query-task，必须注入。
示例（每次真实调用都带上）：
MEDIAKIT_SURFACE=skill MEDIAKIT_RUNTIME=<runtime> mediakit-cli editing add-image-to-video --video-url <url> --sub-image-url <url>
MEDIAKIT_SURFACE=skill MEDIAKIT_RUNTIME=<runtime> mediakit-cli shared query-task --task-id <task_id>
<runtime> 填当前宿主标识（如 cursor、claude-code、codex）；不确定时填
unknown。不要省略 MEDIAKIT_SURFACE=skill。
能力范围
- 视频剪辑与合成：裁剪、拼接、转场、调速、音量调整、视频滤镜、运镜、画面叠加、字幕压制、 混音、淡入淡出、音视频提取与合流、文字滚屏、图转视频和多画面编排。
- 音频与音轨处理：音频转码与媒资探测、语音边界定位、人声与背景声分离， 以及面向视频音轨的处理。
- 视频理解与增强：视频内容分析、剧情/剧本与精彩高光拆条、画质增强与画质检测、抽帧、 语音转字幕与字幕提取、字幕擦除、水印处理、隐私保护、场景与语义分段、画面文字识别、 转码转封装、抠像与换脸等。
- 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。
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：
| 用户目标 | 优先加载 |
|---|---|
| 对现有素材进行裁剪、拼接、转场、滤镜、运镜、叠加、混音或成片编排 | byted-mediakit-editing |
| 处理音频转码、音轨、语音边界或人声与背景声 | byted-mediakit-audio |
| 处理单张或批量图片、尺寸体积治理、文字识别、图片质量或图像编辑 | byted-mediakit-image |
| 视频理解、高光拆条、抽帧、画质增强或检测、提取字幕、语音转字幕、字幕擦除、水印、隐私、转码或视频智能处理 | byted-mediakit-video |
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。
安装与可用性检查
首次使用时安装 CLI 与随附 Skills：
npx @volcengine/mediakit-cli install -y
安装后验证公开入口：
mediakit-cli --version
mediakit-cli --help
需要重装当前版本携带的 Skills 时执行：
npx @volcengine/mediakit-cli install --skills-only -y
初始化与检查
mediakit-cli init
mediakit-cli config show
mediakit-cli doctor
doctor 用于检查当前 CLI 与本地处理依赖；具体工具是否支持本地处理，以对应
领域 Skill 和工具 reference 为准。
命令发现与机器合同
mediakit-cli --domains
mediakit-cli <domain> --help
mediakit-cli <domain> <tool> --help
mediakit-cli <domain> <tool> --schema
--schema 只读取当前有效模式的机器合同，不发起业务调用；顶层包含 name、
description、input_schema 和 output_schema。构造参数前先读取目标工具的
--help 与 --schema，并以完整 reference 中的字段说明为 Agent 使用指引。
媒体输入
直接把用户提供的媒体输入传给工具参数。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
的媒体输入适配器会处理上传。不需要额外创建上传命令或上传参数。
Cloud / Local 模式
未指定模式时，由 CLI 当前配置选择 Cloud-first 或 Local-first。--local 与
--cloud 只用于单次命令覆盖；CLI 的 --help 与 --schema 只显示所选模式的
参数与结果。
规范命令顺序为：
mediakit-cli --cloud <domain> <tool> [flags]
mediakit-cli --local <domain> <tool> [flags]
Local 不支持的参数不能被静默忽略；应改用 Cloud 或移除对应参数。Local 工具同步 返回处理结果，不产生 Cloud 异步任务。Local 输出目录通过 CLI 配置管理：
mediakit-cli config set output-path <输出目录>
异步结果
Cloud 异步能力返回 task_id。先使用共享查询命令获取任务状态与最终业务结果：
mediakit-cli shared query-task --task-id <task_id>
需要持续等待终态时，按 query_task.md 中的查询协议执行。
更新
mediakit-cli update
mediakit-cli update --check
mediakit-cli version --check
共享查询协议
| 协议 | 说明 | 命令 | 参考 |
|---|---|---|---|
| query-task | 查询 Cloud 异步任务状态与终态业务结果。 | mediakit-cli shared query-task | reference/query_task.md |
FAQ
What does the byted-mediakit-shared skill do?
MediaKit 是面向音视频与图像处理的专业工具集，覆盖视频剪辑与合成、音频处理、视频理解与增强、图像处理与内容理解等工作流。用户明确提出剪辑、拼接、裁剪、转场、滤镜、运镜、混音、提取字幕、语音转字幕、音视频处理、图片处理、视频分析或画质增强目标时，先加载本 Skill，再按对象和目标选择 audio、editing、image 或 video。不承担具体能力参数说明。
How do I install byted-mediakit-shared?
Run npx skills add https://github.com/volcengine/mediakit-cli --skill byted-mediakit-shared in your project. The skills CLI detects the agents you use and copies the skill into the right folder. For Claude Code you can also place the skill folder at ~/.claude/skills/byted-mediakit-shared/ (personal) or .claude/skills/byted-mediakit-shared/ (project).
Which AI agents can use byted-mediakit-shared?
Any agent that supports the open Agent Skills format (a folder with a SKILL.md file), including Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf, Cline, OpenCode and more.
Is byted-mediakit-shared safe to install?
Security partners have reviewed it: Gen Agent Trust Hub passed; Socket passed; Snyk passed. As with any skill, read the SKILL.md and bundled scripts before installing.
Who maintains byted-mediakit-shared?
It is published by volcengine in volcengine/mediakit-cli. It has 12,255 recorded installs.
More from volcengine/mediakit-cli
byted-mediakit-audio
volcengine/mediakit-cli
面向音频文件或视频中的音轨，处理语音边界定位、音频媒资信息探测、音频转码与码流封装适配、人声与背景声分离等目标。若对象和目标族已明确属于音频内容理解、音频转码、音频格式治理或音轨分离，但具体做法不确定，可先加载本 Skill 探索。
byted-mediakit-video
volcengine/mediakit-cli
面向视频文件的智能处理、媒资理解、画质治理与画质检测、抽帧、隐私保护、语音转字幕、字幕提取、字幕擦除、水印处理、精彩片段与高光拆条分析生成、剧情结构化与剧本整理、场景与语义分段、画面文字识别、视频转码转封装及抠像换脸等目标。若对象和目标族已明确属于视频增强、视频分析理解、视频内容结构化、从视频提取字幕、语音转字幕、视频字幕识别或擦除、视频隐私脱敏、视频媒资探测或分发适配，但具体能力不确定，可先加载本 Skill 探索。
byted-mediakit-image
volcengine/mediakit-cli
面向单张或批量图片的视觉处理、质量优化、内容理解与基础编辑目标，适用于图片尺寸缩放与体积治理、元信息探测、裁剪旋转翻转与圆角、颜色与锐化清晰度调整、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。若对象和目标族已明确属于图片优化、图片理解或图片隐私保护，但具体做法不确定，可先加载本 Skill 探索。
byted-mediakit-editing
volcengine/mediakit-cli
面向音频、视频或图片素材组成成片的编辑制作目标，适用于时间线裁剪与拼接、速度和音量调整、视频滤镜、运镜特效、转场、画面裁切旋转翻转、画面叠加、字幕压制、动图截取、淡入淡出、音视频提取与合流、音频混合、文字滚屏成片、图转视频以及多画面空间组合等操作。若用户要给视频添加滤镜效果，或对象和目标族已明确是对现有素材做剪辑、合成、叠加、混合或成片编排，但具体做法不确定，可先加载本 Skill 探索。
Popular media & creative skills
hyperframes
heygen-com/hyperframes
Read first to make, edit, animate or render any video with HyperFrames (HTML rendered to video), including launch films, explainers, music videos, charts, maps, vertical clips, title cards, captions and overlays. Holds the render contract, the work loop and what each kind of video needs.
media-use
heygen-com/hyperframes
Get or make any media for a HyperFrames video - music, sound effects, images, icons, logos, voiceover, avatar and generated video, transcripts, cutouts, colour grades and looks - with HeyGen or free local tools, and mix placed audio. Also for footage that looks dark, flat or dull, or should be stylized or hidden.
hyperframes-registry
heygen-com/hyperframes
About 450 ready-made HyperFrames blocks and components installed as editable source - transitions, overlays, titles, kinetic type, captions, charts, map overlays, 3D, camera moves. Use it before hand-building any named visual (CRT scanlines, glitch, film grain, a chart); also for hyperframes add and catalog.
hyperframes-creative
heygen-com/hyperframes
Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use hyperframes-animation.
ai-video-generation
101-skills/superpowers
Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse
ai-image-generation
101-skills/superpowers
Generate AI images with GPT-Image-2, FLUX, Gemini, Grok, Seedream, Reve and 50+ models via inference.sh CLI. Models: GPT-Image-2, FLUX Dev LoRA, FLUX.2 Klein LoRA, Gemini 3 Pro Image, Grok Imagine, Seedream 4.5, Reve, ImagineArt. Capabilities: text-to-image, image-to-image, inpainting, LoRA, image editing, upscaling, text rendering. Use for: AI art, product mockups, concept art, social media graphics, marketing visuals, illustrations. Triggers: flux, image generation, ai image, text to image, stable diffusion, generate image, ai art, midjourney alternative, dall-e alternative, text2img, t2i, image generator, ai picture, create image with ai, generative ai, ai illustration, grok image, gemini image, gpt image, openai image, chatgpt image