百度智能云VOD字幕擦除

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： 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）： 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： 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： 用户提及"字幕擦除"、"擦除字幕"、"去除字幕" 用户需要处理视频中的字幕 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 简洁优先：直接询问处理方式，不绕弯子 最小必要：只收集必要参数，其他使用默认值 渐进式：从简单到复杂，避免一次性问太多 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： 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： 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： 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： 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： 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： 视频来源 擦除区域坐标 交互模板： 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： 视频来源 擦除区域坐标 开始时间 结束时间 交互模板： 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： 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： 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 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） 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 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 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 python3