百度智能云 VOD 字幕擦除 Skill#

智能识别并擦除视频中的字幕区域，支持多种擦除模式和高级配置。

⚠️ 强制执行流程#

禁止直接执行命令！必须按以下流程引导用户：

text

1. 识别意图 → 判断擦除类型（字幕/Logo/时间范围）
2. 收集参数 → 使用 Question 工具询问用户
3. 确认配置 → 展示参数让用户确认
4. 用户确认 → 才能执行命令

错误示例（禁止）：

text

用户: 帮我擦除这个视频的字幕
Agent: [直接执行 python3 desubtitle.py video.mp4 --mode global]  ❌

正确示例：

text

用户: 帮我擦除这个视频的字幕
Agent: 请选择处理方式：
  [1] 单个视频
  [2] 批量处理文件夹
用户: 1
Agent: 请选择擦除方式：
  [1] 全局擦除 - 自动识别所有字幕区域
  [2] 对白擦除 - 只擦除底部对白字幕
  [3] 自定义区域 - 指定坐标擦除
用户: 1
Agent: 请提供视频文件路径：
用户: /Downloads/video.mp4
Agent: [执行命令]  ✓

---

触发规则#

满足以下任一条件时触发：

1. 用户提及"字幕擦除"、"擦除字幕"、"去除字幕"
2. 用户需要处理视频中的字幕
3. 用户需要查询或删除字幕擦除任务

---

Agent 参数收集指南#

核心原则#

1. 简洁优先：直接询问处理方式，不绕弯子
2. 最小必要：只收集必要参数，其他使用默认值
3. 渐进式：从简单到复杂，避免一次性问太多
4. 推荐优先：给出推荐选项，而非开放式问题

---

第一步：识别用户意图#

根据用户描述，识别属于哪种场景：

用户描述关键词场景类型推荐操作"擦除字幕"、"去除字幕"、"消字幕"字幕擦除询问处理方式和擦除方式"擦除Logo"、"去除水印"、"去掉角标"区域擦除直接使用 manual 模式"只擦除某一段"、"前几分钟"时间范围manual + time-range"查任务"、"任务状态"任务查询--list/--query"删除任务"任务删除--delete

---

第二步：收集必要参数#

第一步：询问处理方式#

交互模板：

text

用户: 帮我把这个视频的字幕擦除

Agent: 请选择处理方式：
  [1] 单个视频 - 处理单个视频文件
  [2] 批量处理文件夹 - 处理文件夹中的所有视频

用户: 1 或 2

---

第二步：收集视频路径#

场景 A：单个视频

交互模板：

text

Agent: 请提供视频文件路径：

用户: /Downloads/video.mp4

场景 B：批量处理文件夹

交互模板：

text

Agent: 请提供文件夹路径（将处理该文件夹下所有视频文件）：

用户: /Downloads/videos/

Agent: 正在扫描文件夹中的视频文件...
找到 5 个视频文件：
  1. video1.mp4
  2. video2.mp4
  3. video3.mp4
  4. video4.mp4
  5. video5.mp4

确认处理这些视频吗？

扫描文件夹的实现：

使用 Glob 工具扫描常见视频格式：

text

Glob: <文件夹路径>/**/*.mp4
Glob: <文件夹路径>/**/*.mkv
Glob: <文件夹路径>/**/*.avi
Glob: <文件夹路径>/**/*.mov
Glob: <文件夹路径>/**/*.webm

---

第三步：询问擦除方式#

交互模板：

text

Agent: 请选择擦除方式：
  [1] 全局擦除 - 自动识别并擦除所有字幕区域（推荐）
  [2] 对白擦除 - 只擦除底部对白字幕，保留其他文字
  [3] 自定义区域 - 手动指定坐标擦除

用户: 1

擦除方式说明：

方式命令参数适用场景全局擦除--mode global综艺、广告、不确定字幕位置、想擦除所有字幕对白擦除--mode dialog电影、电视剧、访谈、只需擦除底部对白字幕自定义区域--mode manual --areas "x,y,w,h"Logo、水印、角标、特定位置

---

场景 C：区域擦除（Logo/水印）#

必须收集：

1. 视频来源
2. 擦除区域坐标

交互模板：

text

用户: 帮我去掉视频左上角的Logo

Agent: 请提供Logo区域的坐标（格式: x,y,宽度,高度）：
  - x: Logo左边距离视频左边的像素
  - y: Logo上边距离视频上边的像素
  - 宽度: Logo的宽度
  - 高度: Logo的高度

提示：可以用视频播放器截图，在图片编辑器中查看像素坐标。

用户: 50,30,200,80

Agent: 收到，Logo区域: (50,30) 宽200 高80
确认执行吗？

用户: 确认

Agent: [执行: --mode manual --areas "50,30,200,80"]

---

场景 D：时间范围擦除#

必须收集：

1. 视频来源
2. 擦除区域坐标
3. 开始时间
4. 结束时间

交互模板：

text

用户: 只擦除视频前30秒的字幕

Agent: 好的，时间范围擦除需要指定区域坐标。
请提供字幕区域的坐标（格式: x,y,宽度,高度）：

用户: 0,900,1920,60

Agent: 收到，将擦除前30秒的区域 (0,900,1920,60)。
确认执行吗？

用户: 确认

Agent: [执行: --mode manual --areas "0,900,1920,60" --time-range 0 30000]

---

第三步：确认配置#

收集完参数后，展示配置让用户确认：

单个视频：

text

Agent: 确认以下配置：
  - 视频文件: /Downloads/video.mp4
  - 擦除方式: 全局擦除
  - 输出目录: ./output

确认执行吗？

批量处理：

text

Agent: 确认以下配置：
  - 处理模式: 批量处理
  - 视频数量: 5 个
  - 擦除方式: 全局擦除
  - 输出目录: ./output

确认执行吗？

---

参数收集决策树#

text

用户请求
    │
    ├─ 查询任务？ ──────────────────────► --list / --query
    │
    ├─ 删除任务？ ──────────────────────► --delete
    │
    └─ 处理视频？
         │
         ├─ 处理方式？
         │    ├─ 单个视频 ──► 获取视频文件路径
         │    └─ 批量处理 ──► 获取文件夹路径 → 扫描视频文件 → 展示列表确认
         │
         ├─ 擦除什么？
         │    ├─ "字幕" ──► 询问擦除方式
         │    │    ├─ 全局擦除 ──► --mode global
         │    │    ├─ 对白擦除 ──► --mode dialog
         │    │    └─ 自定义区域 ──► --mode manual + 询问坐标
         │    │
         │    ├─ "Logo/水印" ──► --mode manual + 询问坐标
         │    │
         │    └─ "某段时间" ──► --mode manual + areas + time-range
         │
         └─ 确认执行
              │
              ├─ 来自网盘？ ──► 询问是否上传回网盘
              │
              └─ 执行命令

---

推荐参数组合#

组合 1：全局擦除（推荐）#

bash

python3 scripts/desubtitle.py <视频> --mode global

适用场景：综艺、广告、不确定字幕位置、想擦除所有字幕 特点：智能识别并擦除所有字幕区域

组合 2：对白擦除#

bash

python3 scripts/desubtitle.py <视频> --mode dialog

适用场景：电影、电视剧、访谈节目 特点：只擦除底部对白字幕，保留其他文字

组合 3：自定义区域擦除#

bash

python3 scripts/desubtitle.py <视频> --mode manual --areas "x,y,w,h"

适用场景：去除特定位置的Logo、水印、角标

组合 4：批量处理#

bash

python3 scripts/desubtitle.py video1.mp4 video2.mp4 video3.mp4 --mode global

适用场景：批量处理多个视频文件 特点：所有视频使用相同的擦除模式

---

常见问题处理#

Q1：用户不知道选哪种擦除方式#

text

Agent: 请选择擦除方式：
  [1] 全局擦除 - 自动识别并擦除所有字幕区域（推荐）
  [2] 对白擦除 - 只擦除底部对白字幕，保留其他文字
  [3] 自定义区域 - 手动指定坐标擦除

用户: 不知道选哪个

Agent: 建议选择 [1] 全局擦除，会自动识别所有字幕区域，适用于大多数场景。

Q2：用户不知道坐标#

text

用户: 我要擦除Logo，但不知道坐标

Agent: 您可以：
  1. 用视频播放器截图
  2. 在图片编辑器（如PS、画图）中打开截图
  3. 查看Logo左上角的坐标(x,y)和尺寸(宽,高)

或者告诉我Logo的大概位置：
  [1] 左上角
  [2] 右上角
  [3] 左下角
  [4] 右下角

用户: 右上角

Agent: 请告诉我Logo大概占视频宽高的比例？
  例如：宽200像素，高50像素

用户: 宽150，高40

Agent: 好的，右上角Logo，宽150高40。
假设视频是1920x1080，Logo坐标大约是：
  x=1770, y=0, width=150, height=40

确认使用这个坐标吗？

Q3：批量处理时文件夹中没有视频#

text

Agent: 正在扫描文件夹中的视频文件...
未找到视频文件。请确认文件夹路径正确，且包含以下格式的视频：
  .mp4, .mkv, .avi, .mov, .webm

请重新提供文件夹路径：

---

执行命令模板#

单个视频#

bash

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/desubtitle.py <视频路径> --mode <模式>

批量处理#

bash

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/desubtitle.py <视频1> <视频2> <视频3> --mode <模式>

完整命令（所有参数）#

bash

export BAIDU_VOD_AK='xxx' && export BAIDU_VOD_SK='xxx' && \
python3 scripts/desubtitle.py <视频路径> \
  --mode <global|dialog|manual> \
  --model <v3|v4> \
  --areas "x,y,w,h" \
  --time-range <开始ms> <结束ms> \
  --output-dir <输出目录> \
  --upload-netdisk \
  --netdisk-dir <网盘目录>

---

示例对话#

示例 1：单个视频#

text

用户: 帮我把 /Downloads/movie.mp4 的字幕擦除

Agent: 请选择处理方式：
  [1] 单个视频
  [2] 批量处理文件夹

用户: 1

Agent: 请选择擦除方式：
  [1] 全局擦除 - 自动识别并擦除所有字幕区域（推荐）
  [2] 对白擦除 - 只擦除底部对白字幕，保留其他文字
  [3] 自定义区域 - 手动指定坐标擦除

用户: 2

Agent: 确认配置：
  - 视频文件: /Downloads/movie.mp4
  - 擦除方式: 对白擦除
  - 输出目录: ./output

确认执行吗？

用户: 确认

Agent: 正在处理...
[执行: --mode dialog]
✓ 处理完成，结果已保存到: ./output/desubtitled_movie.mp4

示例 2：批量处理#

text

用户: 帮我擦除一个文件夹里所有视频的字幕

Agent: 请选择处理方式：
  [1] 单个视频
  [2] 批量处理文件夹

用户: 2

Agent: 请提供文件夹路径：

用户: /Downloads/videos/

Agent: 正在扫描文件夹中的视频文件...
找到 3 个视频文件：
  1. ep01.mp4
  2. ep02.mp4
  3. ep03.mp4

请选择擦除方式：
  [1] 全局擦除（推荐）
  [2] 对白擦除
  [3] 自定义区域

用户: 1

Agent: 确认配置：
  - 处理模式: 批量处理
  - 视频数量: 3 个
  - 擦除方式: 全局擦除
  - 输出目录: ./output

确认执行吗？

用户: 确认

Agent: 正在批量处理...
[执行: ep01.mp4 ep02.mp4 ep03.mp4 --mode global]
✓ 全部处理完成

示例 3：Logo擦除#

text

用户: 帮我去掉视频左上角的Logo

Agent: 请提供Logo区域的坐标（格式: x,y,宽度,高度）：

用户: 20,20,180,60

Agent: 确认配置：
  - 擦除区域: (20,20) 宽180 高60
  - 擦除方式: 自定义区域

确认执行吗？

用户: 确认

Agent: [执行: --mode manual --areas "20,20,180,60"]
✓ 处理完成

---

前置条件#

1. VOD 凭证#

bash

export BAIDU_VOD_AK="your_access_key"
export BAIDU_VOD_SK="your_secret_key"

获取方式：

1. 登录 百度智能云控制台
2. 开通 智能点播平台 VOD
3. 在 安全认证 获取 AK/SK

2. 网盘功能（可选）#

如需从网盘下载或上传到网盘，需要：

1. 安装 bdpan CLI
2. 执行 bdpan login 登录

---

处理时间#

• 单个视频：约 5-15 分钟（取决于视频长度）
• 批量处理：按视频数量累计
• 可使用 --no-wait 参数不等待，稍后查询任务状态

---

注意事项#

1. 文件大小限制：单个文件 ≤ 5GB
2. 支持格式：mp4/mpeg/mpg/dat/avi/mov/asf/wmv/navi/3gp/real video/mkv/flv/f4v/rmvb/rmhd/webm/hddvd/blue-ray/qsv/ts/mxf
3. 费用：按处理时长计费
4. 白名单：字幕擦除需要白名单权限，如提示"权限不足"请联系百度智能云开通

---

API 参考#

• 字幕擦除 API 文档