视频真实感精修

要解决的具体问题

当前的AI视频生成技术虽能产出富有创意的内容，但往往在物理真实性上存在明显短板。这表现为一系列细微但破坏沉浸感的“AI味”瑕疵：光影投射不符合自然规律、材质纹理呈现重复或不合理的细节、色彩过渡生硬失真、或主体周边存在不连贯的伪影。这些瑕疵单独存在时可能不起眼，但会累积起来让视频看起来“假”。用户通常已对镜头、主体和节奏感到满意，仅需针对这某一个最突出的问题进行定向修复，而非重新生成整个视频。

技能如何工作

本技能提供了一个聚焦且可控的精修工作流，核心是“单次单问题”原则。

1. 冻结单一精修目标：工作流始于明确的需求对齐。系统会分析源视频并结合用户描述，确认本次处理唯一需要解决的问题（例如“角色手部阴影不自然”）、必须保留的主体细节、画幅、时长和音频设置。在用户确认前，会展示精修方案、预估成本，并获取明确的执行指令。

1. 查询与执行：在执行前，会通过 beatra.models.list 查询可用的 video_edit 模型及其当前价格。随后使用 beatra.videos.edit 提交编辑任务。所有操作均通过随包提供的 scripts/mcp_client.py 完成，严格遵循 client_request_id 标识来追踪任务，避免重复计费。

1. 跟踪与交付：提交后，使用 beatra.tasks.get 轮询任务状态直至完成。交付时，会记录实际使用的模型（若未指定则记录 auto 选择的结果）、产物时长、格式和计费详情。如遇余额不足，会明确提示充值链接，待用户确认后方可使用同一任务ID重试。

适用边界与注意点

• 精修而非生成：本技能专为现有AI视频的局部优化设计。它不适用于多镜头剪辑、视频超分辨率或内容扩展。此类需求应转交 beatra-ai-video-studio。
• 严格的工作流隔离：为确保计费和任务追踪的准确性，改变源视频、精修目标、模型、画幅或声音设置中的任何一项，都将被视为一个全新的请求，必须重新获得用户批准。
• 客户端唯一性：所有远程通信仅通过随包附带的 mcp_client.py 脚本进行，禁止配置或直接调用宿主 Beatra Connector，也不支持使用 REST/OpenAPI 接口降级。
• 恢复与状态：任务状态丢失或上传授权过期时，应优先使用 beatra.tasks.list 和 beatra.tasks.get 恢复上下文，不授权新建付费任务。只有在用户明确要求时才使用 beatra.tasks.cancel。