视频重构图
用 AI 主讲人取景，将横版视频自动裁剪为竖版。一次调用即可产出 TikTok 就绪的成片，在每个镜头中都取景到讲话者，并在每个镜头边界处干净切换。
还需填写：视频, 目标宽高比
最适合
- •将 16:9 的播客/访谈/纪录片素材重构图为 9:16 的 TikTok/Reels/Shorts
- •当内容有多个焦点时追踪特定主体（主持人、产品、屏幕）
- •通过主讲人追踪，从横版母版制作 1:1 的 Instagram 方形视频
- •与 video-trim 和 captions 串联时，闭合从长视频到短视频的流程
使用时机
- •在 video-trim 之后，trim 挑选时刻，reframe 挑选取景
- •在 captions 之前，先重构图，好让字幕文字契合 9:16 画布
- •对于已剪辑好、需要竖版的横版片段的用户，可独立使用
提示
- ✓为访谈和圆桌提供带说话人分离的转录文本，它比单靠视觉更可靠地驱动每镜头的主讲人取景
- ✓没有明确单一主体的镜头（屏幕共享、大远景定场镜头）按设计会加黑边，这是安全选择，而非失误
- ✓没有横摇/缩放/平滑参数可调，镜头调度器是确定性的锁定并切换
使用此流水线的配方
关于此流水线的文章
视频重构图 API
从你自己的代码调用此流水线。一次请求即可发起运行；模型是一个输入字段，而不是独立的接口。
bun add @pipe2-ai/sdk import { createClient } from "@pipe2-ai/sdk";
const client = createClient(process.env.PIPE2_TOKEN!);
const { run_pipeline } = await client.RunPipeline({
pipeline_slug: "video-reframe",
input: {
video_url: "https://example.com/interview.mp4",
target_aspect_ratio: "9:16",
},
});pip install pipe2 import asyncio
import os
from pipe2 import Pipe2Client
client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])
run = asyncio.run(client.run_pipeline(
pipeline_slug="video-reframe",
input={
"video_url": "https://example.com/interview.mp4",
"target_aspect_ratio": "9:16",
},
))go get github.com/pipe2-ai/sdk-go client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))
input := json.RawMessage(`{
"video_url": "https://example.com/interview.mp4",
"target_aspect_ratio": "9:16"
}`)
run, err := pipe2.RunPipeline(context.Background(), client, "video-reframe", input)
if err != nil {
log.Fatal(err)
}brew install pipe2-ai/tap/pipe2 pipe2 pipelines run \
--pipeline video-reframe \
--input-json '{"video_url": "https://example.com/interview.mp4", "target_aspect_ratio": "9:16"}' \
--wait参数
-
target_aspect_ratio必填 -
Aspect ratio to reframe to — vertical for shorts, square for feeds.
9:161:14:516:9默认9:16 -
video_url必填 -
Public URL of the video to reframe.
string -
transcript_url -
Public URL of a transcript. Used to keep the speaker in frame.
string
在 AI 智能体中使用
将任意 MCP 客户端指向 pipe2，你的智能体就能获得这些工具。它会找到这条流水线，读取上方相同的 schema，然后运行它。
- list_pipelines
- get_pipeline_schema
- run_pipeline
- get_pipeline_run_status
- request_upload
https://mcp.pipe2.ai/mcp {
"mcpServers": {
"pipe2ai": {
"url": "https://mcp.pipe2.ai/mcp",
"headers": { "Authorization": "Bearer YOUR_TOKEN" }
}
}
}视频重构图: 带讲话者追踪的横版转竖版
大多数爆款视频以 9:16 呈现（TikTok、Reels、Shorts），但大多数素材是以 16:9 拍摄的。视频重构图弥合了这一差距：它在每个镜头中找到正在讲话的人，并将其框进干净的竖版裁剪，在整个镜头中保持完全静止，仅在源视频切换处切换。无需手动剪辑，也没有运镜参数需要调节。
工作原理
- 检测镜头边界: FFmpeg 场景切换检测器会对源视频进行分割，使每个取景决策都限定在一个连续镜头之内。
- 定位人脸并识别人物: 一次视觉分析加上一个 CV 人脸检测器，会在每个镜头的关键帧中查找并聚类人脸，为每个人赋予稳定的身份。
- 为每个镜头确定焦点主体: 音频优先：带说话人分离的转录文本会指明正在讲话的人；否则由每镜头单标签的视觉分析和 CV 人脸来决定。讲话者获得画面；含糊不清的镜头会加黑边（展示所有人）而非妄加猜测。
- 确定性地规划镜头: 一个纯粹的规划器会将每个镜头的焦点转化为"锁定并切换"方案：每个镜头一个静态裁剪，在边界处硬切，不足一秒的镜头并入相邻镜头。没有横摇、没有漂移、没有运动伪影，相同的输入总是产出相同的方案。
- 渲染: FFmpeg 会应用每个镜头的静态裁剪（对整帧镜头则采用居中黑边），并保持音频不变。
提供转录文本以实现多讲话者追踪
对于访谈和圆桌，请传入一份与视频时间范围一致的、带说话人分离的转录文本（SRT）。它的说话人轮次会驱动焦点选择，因此双人镜头会跟随真正在讲话的人，而不仅仅是画面上最大的那张脸。没有转录文本时，规划器仍然有效，会回退到每镜头的视觉标签和 CV 人脸位置。
常见问题
支持哪些宽高比？
如果我的源视频已经是竖版怎么办？
它如何决定跟随谁？
它会横摇或缩放吗？
它的费用是多少？
我可以将它与 video-trim 串联吗？
探索更多流水线
查看全部 →
根据文本提示、图像或参考片段生成 AI 视频。电影感镜头、产品揭晓、生活方式广告，配以同步音频和自然运动。
根据文本或参考照片生成 AI 图像。产品图、角色美术、带可读文字的海报、照片级人像，数秒即得高分辨率成品。
将文本转换为自然语音，提供数十种音色、70+ 种语言，并可自定义语气、口音和节奏的风格指令。
生成原创背景音乐，匹配你描述的任意情绪、风格和时长。免版税，数秒即得。