byted-las-vlm-video

# LAS 视频内容理解（`las_vlm_video`） 本 Skill 用于调用 LAS `las_vlm_video` 算子进行视频理解（会先压缩视频到 50MB 以内，再调用豆包模型进行理解），并将同步 `process` 调用封装为可重复执行的脚本化工作流： - `POST https://operator.las.cn-beijing.volces.com/api/v1/process` 同步处理 ## 你需要准备什么 - `LAS_API_KEY`：优先从环境变量读取；也支持放在当前目录的 `env.sh`（内容形如 `export LAS_API_KEY="..."`） - Operator Region（二选一）： - 环境变量：`LAS_REGION`（推荐）/ `REGION` / `region`，取值 `cn-beijing`（默认）或 `cn-shanghai` - 或在命令里通过 `--region cn-shanghai` 指定 - 如需更灵活，也可以直接指定 `LAS_API_BASE` / `--api-base`（见下） - `video_url`：可下载的视频地址（`http/https` 或 `tos://bucket/key`） - `prompt`：你希望模型对视频做什么理解/分析（例如“总结剧情”“列出关键事件”“回答我某个问题”） ## 参数与返回字段（详细版） 完整参数/返回字段速查见： - [references/api.md](references/api.md) ## 推荐使用方式 本 Skill 自带可执行脚本：`scripts/skill.py`。 为方便在不同工程/不同 Agent 之间迁移，下面示例默认你位于该 Skill 目录（与 `SKILL.md` 同级），因此命令使用相对路径 `scripts/skill.py`。 ### 1) 执行视频理解 ```bash python3 scripts/skill.py process \ --video-url "https://example.com/video.mp4" \ --text "分析视频内容，输出要点列表，并回答：视频里出现了哪些主要物体？" \ --model-name "doubao-seed-1.6-vision" \ --region cn-beijing \ --out result.json ``` ### 2) 仅查看 endpoint 信息 ```bash python3 scripts/skill.py info --region cn-beijing ``` ## Region / Endpoint 的选择逻辑 脚本解析顺序： 1) `--api-base https://operator.las.<region>.volces.com/api/v1` 2) 环境变量 `LAS_API_BASE` 3) `--region` / `LAS_REGION`（映射到 `operator.las.cn-beijing.volces.com` 或 `operator.las.cn-shanghai.volces.com`） ## 输出结果你会得到什么 当请求成功（`task_status=COMPLETED`）时，返回里通常会包含： - `data.vlm_result`：豆包对话的原生返回（可直接取 `choices[0].message.content` 作为主要文本输出） - `data.compress_result`：压缩前后的视频信息、压缩过程、耗时等元数据 脚本会把核心信息打印为易读摘要，并可选将原始 JSON 落盘。 ## 常见问题 ### 1) 提示“无法找到 LAS_API_KEY”怎么办？ - 优先推荐设置环境变量：`export LAS_API_KEY="..."` - 或在运行目录准备 `env.sh`，内容形如：`export LAS_API_KEY="..."` - 注意脚本是从“当前工作目录”读取 `env.sh`：如果你在别的目录运行，可能读不到。 ### 2) 视频链接有什么限制？ - 视频需要公网或火山内网可访问（不可访问会导致失败） - 视频文件占用存储空间需小于 1 GiB - 算子暂不支持理解视频中的音频信息