SuperAPI AI 工具集

audioshake-stem-separation

通用与其它

查看项目

更新于 10-16 08:34

技能介绍

用途:调用 AudioShake 托管式音源分离服务,把一段既有混音拆成独立分轨,用于翻唱伴奏、混音、采样、影视本地化对白/音效分离、多人声分离、歌词转写与音乐检测等。不用于生成、合成、作曲、混音母带或加效果。

主要能力:音乐/乐器分轨(vocals、vocals_lead、vocals_backing、instrumental、drums、bass、guitar、piano、keys、strings、wind 等);后期 DME 分轨(dialogue、effects、music_fx);语音模型 multi_voice、speech_denoise、speech_dereverb;分析类 music_detection、music_identification、music_removal;歌词 transcription 与 alignment。

使用方式:基础地址 https://api.audioshake.ai,请求头 x-api-key。用公开 url 或 POST /assets 上传本地文件取得 assetId;用 POST /tasks 创建任务,每个 target 为 {"model": "...", "formats": ["wav"]},单任务 1–20 个唯一 target;通过轮询 GET /tasks/{id} 或 webhook 等待完成;从 output 数组下载,预签名链接约 1 小时后过期,可用 writeDestination 写入自有 S3。旧 Jobs API(/job、/upload)已被 Tasks API 取代。

限制:速率约 60 请求/秒;输入支持 WAV、AIFF、FLAC、MP3、AAC 与 MP4、MOV;不支持 DRM 加密和多声道环绕,需先下混立体声;multi_voice 时长上限约 1.5 小时,transcription/alignment 约 45 分钟;按源音频分钟数、每个模型计费,向上取整,费率随模型不同。端点、模型名、积分与限额易变,生产前应核对官方文档。

版权与隐私:分离不产生新权利,上传需拥有必要权利;商业录音的分轨仍是其衍生品,不代表可清权;人声数据涉及同意与隐私合规;保密素材建议使用本地 SDK 或本地开源模型(如 Demucs)替代云端处理。