> 2026-10-17 上线。入口统一在 **AI 助手对话页**：上传素材后直接用自然语言吩咐，或点附件下方的快捷动作。
> 所有任务都会在对话里生成任务卡，完成后可直接预览、下载。

## 一句话概览

现在 agent 能直接处理图片和视频，不需要跳到独立功能页：

- **图片**：抠图（标准 / 高清）、放大修复、提取文字、换脸
- **视频**：换脸、画质增强（人脸修复 + 放大）
- **产物**：透明 PNG、原格式图片、TXT 文本、MP4 视频，任务卡内直接查看和下载

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-2923126/ebeb3b02c2adf92c8ba0852605140b97.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-2923126/0cd14b4878051b55c1918b2131488971.png)

## 能力一览

| 能力 | 输入 | 产物 | 
|---|---|---|
| 图片抠图（标准） | 一张图片 | 透明背景 PNG | 
| 图片抠图（高清） | 一张图片 | 透明背景 PNG，发丝/复杂边缘更好 | 
| 图片增强 | 一张图片 | 放大 2x / 4x 并可选人脸修复，保持原格式 | 
| 图片文字识别 | 一张图片 | 识别出的文字，`.txt` 文件 | 
| 图片换脸 | 目标图片 + 人脸图片 | 换脸后的图片，保持原格式 | 
| 视频换脸 | 目标视频/图片 + 人脸图片 | 换脸后的视频（保留原音轨）或图片
| 视频增强 | 一段视频 | 人脸修复 + 整帧放大（2x / 4x） 

## 怎么用

### 方式一：自然语言

在 AI 助手里直接说，例如：

- 「把这张图的背景去掉，要透明背景的 PNG」
- 「高清抠图这张图，要发丝边缘干净的」
- 「把这张图片放大 4 倍，顺便修复一下人脸」
- 「识别这张图片里的文字」
- 「用第一张图的脸换到第二张图上」
- 「把这段视频里的人换成这张脸」
- 「把这个视频变清晰、放大人脸」

### 方式二：附件快捷动作

上传素材后，输入框上方会出现对应的快捷动作：

- 图片：**图片抠图**、**高清抠图**、**图片增强**、**图片识别**
- 两张图片：**图片换脸**
- 视频 + 图片：**换脸**
- 视频：**视频增强**

点一下会把指令填进输入框，可以再补充要求后发送。

## 换脸的两个顺序约定

换脸需要两份素材，agent 会严格按附件顺序绑定：

- **附件1 = 提供脸**（清晰的正面照）
- **附件2 = 被换脸的画面**（图片或视频）

想反过来换，交换两张图的上传顺序即可，结果是另一个方向。用户明确说「用附件N的脸」时，以用户说的为准，agent 不会按文件名猜。

可选参数（自然语言里说清楚即可）：

- **质量**：默认标准档（纯换脸，快）；说「要更清晰 / 高档」才走高清档（更强的换脸 + 人脸修复 + 整帧放大，更慢）。
- **换哪张脸**：默认换一张；视频里有多人时可以说「换所有脸」或指定「第几帧、第几张脸」。

## 产物与下载

- 图片处理完成后**直接以图片卡片显示**在任务卡里，不再只给一个链接；
- 图片、音频、视频产物都支持**下载**（图片在右上角，音视频在播放器下方）；
- 图片识别的结果是 `.txt`，以文件链接展示；
- 任务卡刷新后仍然保留，历史会话里也能看到结果。

## 限制与注意事项

- 图片处理一次一张；多张就分多次提交。
- 抠图 / 增强的输入图片上限 **20MB**；超了会提示先压缩。
- 文字识别支持中文、英文、日文、韩文；识别不到文字时会返回明确提示。
- 图片换脸的目标可以是 GIF 等格式，输出会统一成可用的静态图片格式。
- 视频换脸会保留原音轨；视频增强只处理画面，声音不变。
- 视频增强在 agent 里只收**视频**；图片的放大修复请用「图片增强」。
- agent 看不到图片内容，所以涉及两张图的换脸时请按上面的顺序约定，或用明确的「附件N」说法。
- 对话里不会展示具体模型名称；你看到的是能力与效果，不是内部选型。

## 变更记录

- 2026-10-17：agent 对话新增图片抠图 / 高清抠图 / 图片增强 / 图片文字识别 / 图片换脸 / 视频换脸 / 视频增强；补齐任务卡、图片卡片、下载与刷新恢复。

2026-10-17 上线。入口统一在 AI 助手对话页：上传素材后直接用自然语言吩咐，或点附件下方的快捷动作。 所有任务都会在对话里生成任务卡，完成后可直接预览、下载。

Agent 对话里的图片与视频处理

前端

AI助手现已支持图片和视频处理，涵盖抠图、放大修复、文字识别、图片/视频换脸、画质增强等功能。上传素材后通过自然语言指令或快捷动作即可操作，结果在对话任务卡中直接预览下载。支持透明PNG、TXT、MP4等格式，历史记录保留可恢复。

文字识别

图片处理

Agent

文字识别限时特惠，新用户0.7折起


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Agent 对话里的图片与视频处理-腾讯云开发者社区-腾讯云

Agent 对话里的图片与视频处理

Agent 对话里的图片与视频处理

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐