AI Skill 大全

音频处理与人声分离

输入音频或视频音轨,自动执行人声端点定位、背景音分离、元数据探测与格式转码,输出独立音轨文件和标准化媒资数据。

功能与用途

面向音频文件或视频音轨的媒体处理能力,基于火山引擎 mediakit-cli 命令行套件。支持自动探测音频码率、采样率和时长等元数据,利用算法精准识别人声端点(VAD)剔除静音与噪声片段,将人声与伴奏背景声独立分离,并支持针对不同播放终端和网络环境进行音频编码与封装转码,适用于音视频剪辑预处理与媒体资产治理。

适用场景

  • 人声与伴奏背景声提取:输入混合音轨或视频文件,通过算法分离出纯净的人声音轨和伴奏音轨,输出独立音频文件供后期混音。
  • 有效语音片段端点检测:自动定位长录音或视频中的有效发声起止时间戳,剔除静音和无意义背景噪声,辅助字幕对齐或粗剪。
  • 跨终端音频转码与媒资探测:快速探测音频采样率、声道等元数据,按不同播放平台和网络带宽要求转换编码格式与容器封装。

适用人群

  • 播客制作人与后期音频剪辑师
  • 短视频创作者与自媒体内容运营者
  • 多媒体开发工程师与媒资系统架构师

使用步骤

  1. 准备待处理的音频或视频文件本地路径或在线访问 URL
  2. 确认业务目标(语音端点检测、元数据探测、人声分离或转码格式参数)
  3. 通过 Agent 调度 mediakit-cli audio 子命令并传入指定参数执行任务
  4. 获取返回的时间戳元数据 JSON 或输出的新音频文件链接

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
自媒体
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-09-24
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

面向音频文件或视频中的音轨,处理语音边界定位、音频媒资信息探测、音频转码与码流封装适配、人声与背景声分离等目标。若对象和目标族已明确属于音频内容理解、音频转码、音频格式治理或音轨分离,但具体做法不确定,可先加载本 Skill 探索。

依赖与权限

  • 读取用户主动提供的内容

同类 Skill