Design & media
音频处理，涵盖音频处理和增强、内容理解等能力。包含能力：separate-voice, probe-audio-metadata。当用户需要使用 audio 域的 MediaKit CLI 能力时触发。
音频处理，涵盖音频处理和增强、内容理解等能力。包含能力：separate-voice, probe-audio-metadata。当用户需要使用 audio 域的 MediaKit CLI 能力时触发。
开始前必须先读取 ./reference/shared.md 的内容，其中包含前置检查、异步任务机制、结果查询等说明。
| 工具 | 说明 | 参数声明 | 参考文档 |
|---|---|---|---|
| separate-voice | 将音频中的人声与背景音精准分离，输出为两个独立的音轨文件 | video_url?:string, audio_url?:string, callback_args?:string, client_token?:string | reference/separate-voice.md |
| probe-audio-metadata | 获取指定音频的详细元信息，输出容器层信息与音频流元信息 | audio_url:string, callback_args?:string, client_token?:string | reference/probe-audio-metadata.md |
音视频剪辑，涵盖音视频拼接、裁剪、合成等能力。包含能力：add-image-to-video, add-subtitle-to-video, adjust-audio-speed, adjust-video-speed, adjust-video-volume, apply-video-filter, concat-audio, concat-video, extract-audio, fade-audio, fade-video-audio, flip-video, image-to-video, mix-audio, mux-audio-video, trim-audio, trim-vi
视频处理，涵盖视频画质增强、视频理解、字幕擦除等能力。包含能力：analyze-video-highlights, analyze-video-storyline, asr-subtitles, enhance-video, enhance-video-generative, erase-video-subtitle, erase-video-subtitle-pro, generate-highlights-microdrama, generate-highlights-minigame, matte-greenscreen-video, matte-portrait-video, prob
图像处理，涵盖图像压缩、图像增强、AI处理等能力。包含能力：image-ocr, erase-image, remove-image-background, enhance-image, evaluate-image-quality。当用户需要使用 image 域的 MediaKit CLI 能力时触发。
1. mediakit-cli: supports a variety of operations such as audio/video processing, editing, and images, with some capabilities covering both cloud and local modes; 2. mediakit-cli shared: environment checks, initialization config, command structure, authentication config, async task responses, and er
当用户想要**音频增强**、**提升音质**、**修复录音**、**降噪**、**语音修复**、**高保真音频**、**48kHz超分辨率**、**清理会议录音**、**音乐音质提升**、**批量处理音频**时自动触发。 集成 **VoiceFixer**（通用语音修复）与 **AudioSR**（高保真音频超级分辨率到48kHz）两种专业技术，支持单个音频文件或整个目录批量处理。 默认使用 VoiceFixer 进行降噪和清晰度提升；当用户提到“高保真”“音乐增强”“提升采样率”“48kHz”等需求时，自动切换到 AudioSR 模式。 支持 wav、mp3、flac、m4a、ogg 等常见
当用户想要**把长音频切成小段**、**音频切片**、**音频分割**、**把音频分成固定时长片段**、**制作语音数据集**、**准备Karaoke素材**、**翻唱音频切片**时自动触发。 支持单个音频文件或整个文件夹（支持递归），自动用 ffmpeg 把音频按指定秒数切成小片段，完美保留原始文件夹结构，并智能选择输出路径。 常见触发口语： - “帮我把这个音频切成60秒一段” - “把这个长音频分割成小段” - “音频切片，这个文件夹” - “把语音文件切成每段30秒” - “制作数据集，把音频切片” - “Karaoke素材切片” - “翻唱音频分割” - “把MP3切成小段” -