FFmpeg 的工程成本不在命令本身，而在“查手册—拼参数—试错—再查”的循环。资料里给了拼接两段视频的 filter_complex 例子，这还只是拼接；字幕擦除、画质修复这类需要语义理解的任务，FFmpeg 本身做不了——它是处理工具，不是理解工具。

来源说明：以下能力清单、定价、安装平台数量、耗时与体积数据，均来自一篇社区实测文章（CSDN 博客，证据类型为 community_signal），尚未经官方文档独立核验。读者应将其视为社区作者在其环境下的观察，而非官方已核验事实。具体能力边界、计费与 RTF 参考请以官方文档为准。

三层结构：原子能力、CLI、Agent Skill

据该社区文章描述，AI MediaKit 是火山引擎智能处理产品线下的能力集合，产品形态分三层。

最里面是 80 项原子能力，横跨视频、图像、音频三个模态。该文给出的分类是：剪辑 23 项，代表能力包括裁剪、拼接、加字幕、调速、混音、提取音频；智能视频 30 项，包括画质增强、字幕擦除、高光智剪、抠图、剧情分析、ASR；图像 AI 21 项，包括背景移除、画质增强、擦除修复、OCR、智能裁剪；音频 4 项，包括人声分离、端点识别、转码、元信息；通用 2 项，包括异步任务查询、远程文件拉取。该清单来自社区文章，未经官方文档独立核验。

中间层是 mediakit-cli。据该文描述，每个能力封装成一条终端命令，MIT 协议开源在 GitHub 上。例如 mediakit-cli --cloud video erase-video-subtitle 就是标准版字幕擦除。MIT 协议与开源状态同样来自社区文章，建议以仓库实际 LICENSE 为准。

最外层是 5 个 Agent Skill。据该文描述，CLI 按 Claude Code 的 Skill 规范打包成 byted-mediakit-video、editing、image、audio、shared 五个技能，装进 Agent 之后，用自然语言直接差遣。该文还称一次安装可进入 79 个 Agent 平台，Claude Code、Cursor、Trae、Codex 全生效。“79 个平台”为社区文章说法，未经官方核验，实际支持范围请以安装输出与官方说明为准。

这个设计的效果是：你面对的不再是一款软件，而是一个能听懂自然语言的执行层。CLI 是它的手，Skill 是它的耳朵。

有两个设计值得单独说。第一是双模架构：同一个命令面，--local 走本机 FFmpeg，同步执行、零成本、即时出片；--cloud 走云端算力，处理 FFmpeg 做不了的活。两边共用同一套参数设计，从 local 切到 cloud，理论上零改造。第二是鉴权极简：一个 API Key 完事，控制台建 Key，设进环境变量就能跑。

可复现接入：从安装到唤醒

以下步骤来自该社区文章的实测记录，命令与路径可能随版本变化，请以官方文档为准。

第一步，开通服务。据该文描述，云端能力需要先到火山引擎控制台的 AI MediaKit 设置页（imp/ai-mediakit/settings）开通，然后在基础配置里创建 API Key。

第二步，安装。该文给出的官方一键命令是 npx @volcengine/mediakit-cli install -y，要求 Node.js 18+。唯一要注意的是网络：它要从 GitHub Releases 拉取平台二进制，国内直连容易超时，而且 npx 会把报错吞掉——表现就是静默失败，回到提示符，啥也没有。国内环境可以先设镜像变量再跑安装：

$env:MEDIAKIT_CLI_RELEASE_BASE_URL = "https://ghproxy.net/https://github.com/volcengine/mediakit-cli/releases/download"
npx @volcengine/mediakit-cli install -y

据该文记录，装完跑 mediakit-cli version，输出 0.2.1 就是成了。本地模式还依赖 FFmpeg ≥5.1，后面 doctor 会检查，没装的话 --local 那批能力用不了。版本号与依赖要求来自社区文章，请以实际安装结果为准。

第三步，配置。这里有个机制要先说清：据该文描述，CLI 的 Key 只认 MEDIAKIT_API_KEY 环境变量——init 不收 Key 参数，也不把 Key 写进配置文件。init 负责的只是执行模式这些杂项。标准姿势：

$env:MEDIAKIT_API_KEY = ""
mediakit-cli init

选默认模式，建议云端优先。但 $env: 设的变量只活在当前终端，新开的 Claude Code 会话拿不到，doctor 会报 cloud_ready: false。更稳的做法是把 Key 写进 PowerShell 配置文件：

notepad $PROFILE
# 加入一行：
$env:MEDIAKIT_API_KEY = ""

保存后重开终端，Claude Code 也从新终端启动，以后每个会话都自动带 Key。

第四步，自检。mediakit-cli doctor 检查云端连通性、本地依赖，哪里有问题会直接提示。

第五步，验证唤醒。打开 Claude Code，问一句“你能做哪些音视频处理”。看着 byted-mediakit-* 一族能力在对话里出现，就能确认它确实接进工作流了。

实测：参数被翻译成人话，异步任务要等

以下耗时、分辨率、码率、体积数据均为该社区文章作者在其环境下的单次实测结果，受网络、时段、任务队列、素材特征影响，不同环境可能不同，不应视为确定可复现的官方指标。

画质增强场景中，据该文记录，素材是一段 480p、3.87MB 的官方 demo。用户说“把这个视频增强到 1080p，并把结果下载到当前文件夹”。Agent 先弹选择题：standard、professional、极速、生成式四档，连算法数量和计费差异都标在菜单里。选 recommended standard 后，它调用云端 video enhance-video 提交任务，拿到 task_id 就开始自动轮询。该文称从提交到拿到结果视频用了 3 分 45 秒。产出指标：分辨率 496×864 → 1080×1880，码率 2.0 → 7.1 Mbps，文件 3.87MB → 13.7MB。该文中的同帧对比显示，纹理密集处提升立竿见影，色彩没有跑偏，也没有过度锐化的白边。边界也清楚：它救的是清晰度，救不了构图和抖动。单件不惊艳，批量挂机、无人值守才是主场。

字幕擦除场景用的是 12.3MB 竖屏短剧片段，39 秒，画面带硬字幕。据该文描述，标准版 erase-video-subtitle 定价 0.4 元/分钟，适合纯色、简单背景的快速处理；精细化版 erase-video-subtitle-pro 定价 1 元/分钟，高帧率 OCR 加 AIGC 图像修复重建背景纹理，主打无痕，复杂纹理场景效果更好，还支持手动框选区域，可以拿来擦水印、台标。上述定价来自社区文章，未经官方文档独立核验，实际计费请以控制台与官方文档为准。

两档实测：据该文记录，标准版从提交到成品落盘全程 4 分 18 秒，云端处理约 3 分半，下载 86MB 约 54 秒；精细化版全程 6 分 35 秒，云端处理约 5 分半。产出体积从 12.3MB 涨到 90.3 / 95.4MB，码率从 2.5 拉到 18~19 Mbps，体积暴涨约 7 倍。直接分发要有体积预期，好在自家就有视频转码，一句话能压回去。这些耗时与体积数据同样是单次实测，受网络与队列影响，不同环境可能不同。

边界（该文写明）：默认只认画面下半部分、水平居中、高度 1%~10% 的白色中英文字幕；顶部、超大字号、其他语种不在自动识别范围内。另外，擦字幕请用在自有或已授权素材上。

工程差异与取舍

传统 FFmpeg 手写命令的核心问题是：参数组合爆炸，复杂语义任务无法表达，跨平台二进制、路径、编码参数容易踩坑。工具链封装后，CLI 把参数固化为命令行接口，Skill 把接口暴露给 Agent；Agent 可以做参数选择菜单、异步轮询、结果下载。人只给目标。

但工程上要注意几点。云端任务是异步的，提交不等于结果，必须轮询；云端能力会产生费用，字幕擦除两档差价买的是“分得清该擦的和不该擦的”；输出体积可能显著膨胀，分发前建议转码压缩；本地与云端共用参数面，但能力边界不同，--local 依赖 FFmpeg ≥5.1。接入顺序建议：先 doctor 再进业务，Key 写 profile 而不是临时 $env:，简单裁剪拼接走 local 省成本，复杂语义任务走 cloud，批量任务挂机执行。

把 FFmpeg 的能力封装成 Agent 可调用工具链，不是替代 FFmpeg，而是把“查手册—拼命令”的执行层换成“说目标—选参数—等结果”的调度层。适合批量、无人值守、需要语义能力的场景。

最后提醒：本文涉及的具体能力边界、计费标准与 RTF 参考，请以官方文档为准；社区实测数据仅代表作者单次环境下的观察，不构成官方性能承诺。