火山引擎 AI MediaKit 字幕擦除升级：多模态语义判断 + ReFM 残差流匹配，支持 50 多种语种

AI MediaKit 面向字幕擦除从像素级处理升级为理解式视频编辑：先以多模态语义判断区分「后期叠加层」（对白字幕、人物姓名与身份介绍、章节标题、提示花字、推广水印，应擦）与「场景固有文字」（招牌、海报、书本、服装印字、产品包装、现场屏幕、品牌卡与固定 Logo，应留），并把检测结果按空间重叠与时间连续性组织成稳定文字轨迹、选取多个代表帧联合分析以抑制闪烁，语义不明时采取保守保留策略；修复主干为自研 ReFM（Residual Flow Matching），从带字幕的原视频潜变量出发只学需要改变的残差，配合遮挡区域跨帧上下文聚合与全局视频表征双引导，4 步采样完成修复，并通过 Latent 精准回贴与稳定时序掩码约束编辑边界。生产链路上提供长视频重叠窗口连续处理、推理后恢复源分辨率并保留原始音频、多卡并行与断点续跑、分阶段缓存与逐视频校验、全链路日志，并适配 GPU 与 NPU；新版支持 50 多种语种擦除。