SuperAPI AI 工具集

ai-audio-sound-design

设计与创作

查看项目

更新于 10-15 23:47

技能介绍

用途:针对 Arcads、AI 演员、UGC 生成等 AI 视频,按场景重建音频,消除三类“假”感——词间死寂、混响空间中的干涩人声、13–16 kHz 音调水印,并加入广播式消音哔声;不修改任何视频帧。

主要能力:按场景匹配环境声床与混响;用 Whisper 定位并校验需消音词;生成可循环环境声与一次性事件音;合成 IR 卷积混响;1 kHz 哔声;户外距离处理;母带与封装;以测量而非主观判断验收。

使用方式:先下载源文件并提取音频与场景切点:ffmpeg -y -i src.mp4 -vn -ac 2 -ar 48000 work/master-audio.wav;ffmpeg -i src.mp4 -vf "select='gt(scene,0.25)',metadata=print" -an -f null - 2>&1 | grep pts_time。用 Whisper 转写并锁定消音词,切片复检时间戳。生成环境声:python3 .claude/skills/branded-ad-edit/scripts/generate-sfx.py kit.json work/ambience。将 scripts/build_mix.py 复制到 work/,只编辑顶部 SCENES、LAYERS、EVENTS、AMB_FX、BLEEPS、AMB_MASTER_DB 表。母带与封装:-map 0:v -map 1:a -c:v copy -c:a aac -b:a 256k -movflags +faststart。验收可用 npm --prefix tools/video-qa run qa:video -- --video out.mp4 --instructions intent.txt。

适用场景:AI 演员广告、UGC 风格短片等需提升声音真实感的成片。

限制:需 ffmpeg/ffprobe、OPENAI_API_KEY、ELEVENLABS_API_KEY 及 numpy、scipy;沙箱可能需禁用;具体参数与配方见 references/acoustics.md,本资料未提供其内容。