（7458期）YM-MediaToolkit(媒体处理工具集) – 本地智能媒体处理工作站

本地智能媒体处理工作站 基于FFmpeg的本地媒体处理工具，支持视频压缩、音频提取、字幕识别（ASR/OCR）及批量流水线作业，适合个人开发者与小规模内容生产。 使用说明 YM MediaToolkit 综合评估 YM MediaToolkit 是一款开源本地媒体处理工具，核心能力涵盖视频压缩、封面提取、音频转换、字幕识别（ASR/OCR）及 JSON 驱动的批量流水线作业。项目采用 Python + FFmpeg 架构，支持自然语言指令入口 chat，并暴露 HTTP 服务（默认 127.0.0.1:8080）供外部集成。 核心用法 本地部署运行： CLI 模式：python run.py -a <action> -i '<json>' HTTP 服务：python run.py --serve 关键依赖：系统需预装 ffmpeg/ffprobe，Python 依赖包括 faster-whisper、paddlepaddle、paddleocr 主要功能模块： 视频压缩（compress）：支持目标体积比例、自适应 CRF、编码预设调节 封面提取（thumbnail）：MP4/MOV 容器，支持时间点/帧号提取，可缩放输出 音频提取（audio/audio_batch）：输出 MP3/WAV/AAC/M4A，支持码率、采样率、截取参数 字幕识别（subtitle）：fusion 模式（ASR+OCR 校正）、纯 ASR、纯 OCR 三模式 字幕分句（caption_segment）：emlet 算法，默认 12 字符切分，支持保护词 批量流水线（pipeline/batch）：JSON 定义多步骤流程，生成 manifest 自然语言入口：chat action 可解析"压缩 sample.mp4"、"提取第3秒封面"等指令，适合 LLM 代理直接转发用户对话。 显著优点 功能整合度高：单工具覆盖压缩、转码、字幕、流水线，减少多工具切换成本 协议稳定：4.1.0+ 后统一返回 status/code/reply/hint 字段，利于自动化集成 异步任务支持：4.2.0+ 引入 /skill/jobs 长任务接口，压缩、ASR/OCR 等耗时操作可异步执行，避免 HTTP 超时 安全沙箱设计：本地路径默认限制在当前工作目录，media_roots 白名单机制控制绝对路径访问 开源可审计：依赖明确，FFmpeg 生态成熟，可自行构建和审计 潜在缺点与局限性 部署门槛：需预装 FFmpeg 系统依赖及 CUDA/CPU 推理库（PaddlePaddle、Whisper），首次配置复杂 硬件资源敏感：ASR/OCR 依赖深度学习模型，无 GPU 时推理速度受限 输入源限制：远程 URL 仅支持 http/https，不支持流媒体协议（RTMP/HLS）直接输入 格式支持边界：封面提取明确限定 MP4/MOV 容器，其他格式需外部转换 并发与扩展性：单进程 HTTP 服务，无内置负载均衡；大规模生产需额外封装 维护状态：作者标识为 your_name，开源社区活跃度、长期维护承诺不明确 适合人群 个人开发者/内容创作者：需要本地化、可脚本化的视频处理工具，避免云服务上传下载 小规模工作室：批量处理自有素材，对数据隐私敏感（本地处理不上云） LLM 应用开发者：需要稳定的媒体处理 MCP/Skill 后端，支持自然语言调用 常规风险 | 风险类型 | 说明 | 缓解建议 ||---------|------|---------|| 路径遍历 | media_roots 配置不当可能导致越权访问 | 严格白名单，禁止用户可控的绝对路径 || 资源耗尽 | ASR/OCR 大视频或高并发导致内存/显存耗尽 | 限制并发任务数，设置超时与资源配额 || 依赖漏洞 | FFmpeg、PaddlePaddle 等底层库存在 CVE 风险 | 定期更新依赖，使用容器隔离运行 || 任务中断 | 服务重启后 running 任务标记为 error | 关键任务需客户端重试或幂等设计 || 数据残留 | 输出目录 output/ 可能累积大文件 | 配置自动清理策略或外部卷管理 | 版本建议 当前最新 4.3.1，建议生产环境优先使用 async="auto" 模式调用长任务，并配置 waittimeoutsec 短等待优化体验。CLI 场景适合确定性脚本，HTTP 场景适合服务化集成。 原始说明 自然语言媒体助手 - 视频压缩、MP4/MOV 封面提取、音频转换、字幕识别