云端媒体转码工坊

要解决的问题

当 Agent 拿到一段刚上传的视频，后续的事情往往很琐碎：转成 HLS 或 MP4、抽几张缩略图、给图片加水印、把扫描件 PDF 做 OCR、再把多个音频片段拼成一条。这些任务的共同点是耗时长、依赖重，本地跑 FFmpeg 既占 Worker 内存，也难以横向扩展。这个 Skill 的做法是把计算交给 Transloadit 的云基础设施，Agent 只描述「要什么」，不必关心「怎么算」。

另一个常见的困境是流水线断裂。转码完再抽帧，通常意味着先把产物下载回来再上传一次。这个 Skill 通过步骤之间的 use 引用，让前一步的输出直接成为后一步的输入，中间文件不必落地。

核心能力与工作方式

全部能力围绕三个概念展开：

• Assembly：一次处理任务，通过 create_assembly 创建。
• Template：一组可复用的步骤定义，存在 Transloadit 侧，可反复调用。
• Robot：单个处理单元，如 /video/encode、/image/resize、/document/ocr，共 86+ 个。

steps 是一个 JSON 对象，键是步骤名，值是该步骤传给 Robot 的配置；原始上传文件用 :original 指代。

覆盖面包括：

• 视频：转码 HLS、MP4、WebM，生成缩略图与 GIF，拼接片段，叠加字幕与文字层
• 音频：MP3、AAC、FLAC、WAV 互转与拼接
• 图片：缩放、裁剪、水印、格式转换（JPEG、PNG、WebP、AVIF、HEIF）
• 文档与智能处理：PDF 与扫描件 OCR、语音转文字、文字转语音、AI 内容审核与目标检测

多步流水线通过给步骤加 "use": "step_name" 引用前一步输出。批量处理用 /http/import 从 URL、S3、GCS、Azure、FTP 或 Dropbox 拉文件，避免本地中转。Template 中可写 ${variables}，在创建 Assembly 时再传入动态值。

适用边界与注意点

这个 Skill 是任务编排层，不是滤镜算法库。它负责把媒体搬到云端并按声明执行，调色、降噪这类精细的后期处理需要你在 step 配置里写清楚参数。

几点需要留意：

• 认证：使用前需到 Transloadit 控制台申请 API 凭证。
• 成本：云转码按用量计费，长视频与高分辨率预设会显著影响账单，建议先用小文件验证流水线。
• 预设优先：能用 "hls-1080p"、"mp3"、"webp" 这类预设就不要逐参数手写，可读性更好也少出错。
• 等待策略：CLI 下用 --wait 阻塞到任务结束，否则拿到的只是任务 ID。