AI MediaKit详解字幕擦除，营销视频换语言先保住商品画面

一条商品视频想改成外语版，旧字幕已经压进画面，直接盖新字容易挡住商品。火山引擎视频云在 9 月 20 日的技术文章中介绍了 AI MediaKit 的字幕擦除方案：先区分后加文字和场景原有文字，再修补被遮住的画面。这是面向视频处理流程的能力，普通用户能否直接使用，还取决于工具接入与服务开通。

擦掉旧字幕，也要留下包装上的字#

AI MediaKit 是火山引擎的音视频工具集，字幕擦除此前已有相关介绍。本次技术披露重点落在多模态时序理解和 ReFM 残差流匹配，不能据此把 9 月 20 日写成整款产品的首次上线日期。这里的“多模态理解”，可以理解为同时参考文字、画面及前后镜头，判断字是后来加上去的，还是拍摄时就存在。

只靠 OCR，也就是识别画面里的文字，系统容易把招牌与对白字幕一并圈出来。只擦底部字幕又可能漏掉人物身边的竖排介绍、转场标题或角落推广水印。新方案把连续画面中位置重叠、时间相连的检测结果归成文字轨迹，再挑选多个代表画面一起判断。这样能利用前后信息补齐短暂漏检，减少字幕一会儿消失、一会儿又冒出来的情况。

厂商介绍，对白、人物身份、章节标题、提示花字和推广水印属于拟擦除内容；海报、书页、衣服印字、产品包装、现场屏幕、品牌卡和固定标志则应保留。判断还要看文字依附在哪里，例如悬浮在人旁边的介绍与印在手持海报上的标题，需要不同处理。遇到含义不明确的区域，方案优先保留原画面。这对商品视频尤其重要，包装信息被误删会改变素材本身。

复杂样式也有单独处理。人物介绍可能很大，带描边和阴影；艺术标题可能移动或遮住大片画面；半透明字则会和背景纹理混在一起。文章介绍了针对艺术字体、动态文字、水印的训练与区域监督，以及借助邻近画面恢复头发、服装和背景的做法。展示材料属于厂商示意和内部评测，不能当作所有素材都能无痕处理的保证。

清理后加字幕时，商品和场景信息仍应保留；图为 AI 生成示意，非产品实测。

修补局部画面，长视频还要前后连贯#

擦除范围确定后，系统还需补回字幕盖住的内容。ReFM 的中文含义是残差流匹配，直白说，就是从现有视频出发，学习哪些地方需要改变。按照文章说明，传统生成式修复从随机噪声重建时，可能连带改动原本正确的纹理、人物或光照；这个方案希望缩短修改路径，尽量继承原视频的信息。

具体处理在视频的压缩内部表示中进行，技术上称为潜变量。模型一边从相邻画面找可参考的结构和纹理，一边持续参考整段视频的内容与风格。随后，通过“Latent 精准回贴”把应保留区域的原始信息放回去，让生成尽量只发生在需要擦除、补全的位置。配合前后稳定的编辑区域，可减少非目标画面的颜色变化和清晰度损失。

厂商称修复主干采用4 步采样。这指模型内部生成过程的步数，文章没有给出普通用户处理一分钟视频要等多久，也没有提供跨设备统一的速度测试。长视频则通过互相重叠的片段和前后文衔接，减少分段交界处的闪烁；处理后恢复源视频分辨率，并保留原始音频。

生产链路覆盖文字检测、语义判断、视频修复与结果校验，支持多卡并行、断点续跑、分阶段缓存、逐视频校验，以及各环节日志。文章还提到 GPU、NPU 等算力适配，属于服务部署层面的能力。新版支持 50 多种语种的文字擦除，这个数字说的是擦除范围，不代表一次操作就能完成翻译、配音和新字幕制作。擦干净底片之后，后续本地化工作仍要分别完成。

修复参考相邻画面，并限制局部修改范围；图为 AI 生成示意，非技术效果对比。

营销团队先拿一段难素材试一试#

对经常做海外商品介绍、广告投放或短剧版本的团队，字幕擦除有一个明确用途：在拿不到无字幕母版时，尝试把现有素材处理成可继续编辑的底片。以下是应用建议，并非已经验证的客户成效。如果原始工程还在，字幕又是可单独关闭的图层，先重新导出通常更直接，也能避免让模型猜被遮住的细节。

AI MediaKit 需要进入已有工具或处理流程，不能把它理解成下载即用的独立剪辑 App。此前官方介绍了接口、命令行和面向 AI 助手的接入方式。没有技术同事的小团队，可先问现有剪辑服务商能否接入、由谁提交素材和检查结果。能够用自然语言提出需求，不等于服务配置、账户开通和素材上传都自动解决了。本文未验证面向普通用户的即开即用入口，也未核实本次新版擦除的具体价格、套餐及开通范围。

费用要和返工一起看。请服务方按实际时长、分辨率和处理模式报价，再确认失败重跑是否计费，以及素材如何保存、何时删除。不要拿基础剪辑的价格代替字幕擦除价格。上传客户未发布的广告或带有个人信息的视频前，也应先取得许可；去除第三方水印更不能代替取得内容使用权。

试用时可以挑一小段包含商品包装、移动人物和半透明花字的授权素材，先标明哪些字该留、哪些字该擦。验片需要连续播放，留意字的残影、边缘闪烁、手指或衣服变形，再把包装与原片对照。只看单张截图，很容易漏掉运动中的问题。配料、型号、价格或品牌信息有误，就不宜直接发布。

如果清理后的底片合格，再做翻译、排字幕和配音，最后核对商品卖点与语言是否一致。偶尔改一条视频的团队，未必值得为此接入一套处理流程；有稳定批量需求，才适合把样片合格率、人工复查时间和服务费一起比较。文章没有提供节省工时或成本的独立数据，采购前仍需用自己的素材验证。

团队应连续播放验片，并对照原片核对商品细节；图为 AI 生成示意。

消息参考来源

• InfoQ（火山引擎视频云供稿）｜从“看见文字”到“读懂画面”：AI MediaKit 如何实现视频字幕无痕擦除
• InfoQ（火山引擎视频云供稿）｜从出片到出海：AI MediaKit 重塑短剧全链路生产力
• InfoQ（火山引擎视频云供稿）｜让 Agent 成为音视频工作台：AI MediaKit CLI + Skill 发布