使用场景

视频编辑团队使用Jockey自动化视频剪辑和字幕生成。

内容创作者利用Jockey生成视频草稿和故事板。

教育机构使用Jockey创建交互式视频教程。

产品特色

结合大型语言模型与视频处理API进行复杂视频工作流程的负载分配。

使用LangGraph进行任务分配，提高视频处理效率。

通过LLMs逻辑规划执行步骤，增强用户交互体验。

无需中介表示，直接利用视频基础模型处理视频任务。

支持自定义和扩展，以适应不同的视频相关用例。

提供终端和LangGraph API服务器部署选项，灵活适应开发和测试需求。

使用教程

1. 安装必要的外部依赖，如FFMPEG、Docker和Docker Compose。

2. 克隆Jockey的GitHub仓库到本地环境。

3. 创建并激活Python虚拟环境，安装所需的Python包。

4. 配置.env文件，添加必要的API密钥和环境变量。

5. 使用Docker Compose部署Jockey API服务器。

6. 通过终端运行Jockey实例进行测试或使用LangGraph API服务器进行端到端部署。

7. 使用LangGraph Debugger UI进行调试和端到端测试。