SuperAPI AI 工具集

byted-mediakit-audio

通用与其它

查看项目

更新于 10-16 10:22

技能介绍

用途:该 Skill 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。当对象与目标族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,但具体做法不确定时,可先加载本 Skill 探索。

使用规则:先读取 ../byted-mediakit-shared/SKILL.md 并执行统一前置检查,该 Skill 缺失时应停止并提示安装。只从 audio 域工具表中选用工具,相似能力按各工具能力描述与参数边界区分。执行前按需读取对应 reference,参数与结果说明以已审核文案为准,完整机器合同以当前 CLI --schema 为准。缺少必填参数、鉴权环境变量或真实输入资源时,应向用户索取;通用可选字段只能透传用户明确提供的值,其他可选字段可由明确意图准确确定,但不得伪造。执行时设置 MEDIAKIT_SURFACE=skill 指定调用来源为 Skill,并将 MEDIAKIT_RUNTIME 设置为当前 Agent 宿主,避免 CLI 无法可靠识别父级 Agent。

主要工具:detect-voice-activity 用于语音端点识别,自动定位音频或视频文件中有效语音的起止时间,区分人声与静音、背景噪声等无效片段,返回有效人声片段时间戳列表,支持 Cloud,命令为 mediakit-cli audio detect-voice-activity。probe-audio-metadata 探测输入音频 URL,输出标准化媒资元信息,支持 Cloud/Local,命令为 mediakit-cli audio probe-audio-metadata。separate-voice 用于人声背景声分离,将音频或视频中的人声与背景音分离为两个独立音频文件,支持 Cloud,命令为 mediakit-cli audio separate-voice。transcode-audio 将音频码流转为另一音频码流,涉及编码格式、编码参数与封装格式转换,支持 Cloud,命令为 mediakit-cli audio transcode-audio。各工具的参数与结果详见对应 reference。

澄清与跨域路由:若用户仅说“有音频”而未说明业务目标,应先澄清。音频裁剪、拼接、调速、淡入淡出、混音、从视频抽取音轨或音视频合流等编辑合成诉求应路由到 editing;字幕生成、提取字幕、语音转字幕、视频理解、视频增强等应路由到 video。

限制:具体参数、鉴权方式、返回字段细节与价格收费资料暂未提供,需以官方 reference 与当前 CLI --schema 为准;不得伪造功能、参数或使用步骤。