yzsp-studio/mediakit-shared-suite / mediakit-audio
mediakit-audio
Verified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;若只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、视频理解、视频增强等应路由到 video。
| File | Kind | Size |
|---|---|---|
| LICENSE | other | 1.1 KB |
| SKILL.md | skill md | 3.1 KB |
| reference/detect-voice-activity.md | markdown | 4.3 KB |
| reference/probe-audio-metadata.md | markdown | 4.5 KB |
| reference/separate-voice.md | markdown | 4.6 KB |
| reference/transcode-audio.md | markdown | 8.6 KB |
reference/transcode-audio.md
View on GitHub# 音频转码
## 能力用途
音频转码将一个音频码流转换为另一个音频码流,通常涉及编码格式、编码参数和封装格式的转换,用于适应不同业务场景、播放终端和网络环境。
## 参数填写规则
- 可选参数仅在用户明确指定,或可从用户意图准确确定时填写;不得伪造。不能准确确定时省略,确为正确完成任务所必需时先向用户澄清。
## Cloud
### 命令与生命周期
- 命令:`mediakit-cli audio transcode-audio`
- 生命周期:异步
- 返回方式:返回 `task_id`,再查询终态结果。
### 使用指南
- 数组参数(`--metadata-keep-tags`)传多个值时用逗号分隔并整体加引号,例如 `--metadata-keep-tags "url1,url2"`。
- 单个值中的文件名或 URL 不能包含逗号(`,`),否则会被 CLI 当成多个元素拆开。遇到这种情况时,先向用户澄清,请其提供不含逗号的文件名或对应 URL 后再调用。
- 对象或对象数组参数(`--audio`、`--metadata-add-tags`)需传合法 JSON 字符串;字段名与层级必须与上表“枚举/范围/结构”及子字段说明一致。不要用逗号分隔或裸文本。
- POSIX / bash:用单引号整体包裹,例如 `--audio '[{...}]'`。
- Windows PowerShell:按共享入口 [JSON 参数传参](../../mediakit-shared/SKILL.md) 把 JSON flag 放在 `--%` 之后,内部双引号写成 `\"`,例如 `--% --audio "[{\"key\":\"value\"}]"`。禁止单引号 JSON、`$json` 变量和 `@file`。
### 调用示例
```bash
mediakit-cli audio transcode-audio \
--audio '[{...}]'
--container-format <container_format> \
--audio <audio>
```
仅使用用户真实输入替换占位符;可选 flag 遵守参数填写规则,不得编造 URL、文件、枚举或业务参数。
### 参数
| 参数路径 | CLI flag | 类型 | 必填 | 默认值 | 枚举/范围/结构 | 说明 |
| --- | --- | --- | --- | --- | --- | --- |
| `audio` | `--audio` | object | 是 | - | - | audio 提供音频参数配置。 |
| `audio.bitrate_kbps` | - | integer | 是 | 128 | 最小值: 10;最大值: 500 | bitrate_kbps 指定音频码率,单位为 Kbps,范围 10 至 500,默认值为 128;为空时,输出音频码率与原始音频保持一致。 |
| `audio.bitrate_mode` | - | string | 是 | "cbr" | 枚举: ["cbr","cae"] | bitrate_mode 指定音频码率控制模式,支持 cbr 和 cae,默认 cbr。cbr 是恒定码率模式,编码器会尝试让音频流每秒严格保持 bitrate_kbps 设定的码率,使文件大小可以被精确预测,适合带宽稳定性要求高的流式传输。cae 仅在 container_format 为 M4A 时支持,会根据音频内容复杂度动态调整瞬时码率,并确保整个文件平均码率接近 bitrate_kbps 目标值。 |
| `audio.channels` | - | integer | 否 | - | 枚举: [1,2] | channels 指定音频声道数,支持 1 和 2,默认 2;1 表示单声道,2 表示双声道。 |
| `audio.sample_rate` | - | integer | 是 | 48000 | 枚举: [8000,11025,12000,16000,22050,24000,32000,44100,48000,64000,88200,96000] | sample_rate 指定音频采样率,单位为 Hz,默认 48000。建议根据目标编码器填写:MP3 支持 8000、11025、12000、16000、22050、24000、32000、44100、48000;AAC 支持 8000、11025、12000、16000、22050、24000、32000、44100、48000、64000、88200、96000;Opus 支持 48000。 |
| `audio.volume_integrated_loudness` | - | number | 否 | -12 | 最小值: -70;最大值: -5 | volume_integrated_loudness 用于设定音频整体感知音量的目标综合响度,单位为 LUFS,范围 -70 至 -5,默认值为 -12。 |
| `audio.volume_loudness_range` | - | number | 否 | 7 | 最小值: 1;最大值: 20 | volume_loudness_range 调节音频最响亮和最安静部分之间的差异,单位为 LU,范围 1 至 20,默认值为 7;volume_method 为 2Pass 时生效。 |
| `audio.volume_method` | - | string | 否 | - | 枚举: ["2Pass"] | volume_method 是音量均衡算法开关;不设置时不处理音量。支持将 volume_method 设置为 2Pass 启用两阶段响度分析与处理,此时 volume_integrated_loudness、volume_true_peak 和 volume_loudness_range 生效。 |
| `audio.volume_true_peak` | - | number | 否 | 0 | 最小值: -9;最大值: 0 | volume_true_peak 设置音频信号的真实峰值最高上限,以防止削波失真,单位为 dBTP,范围 -9 至 0,默认值为 0。 |
| `audio_url` | `--audio-url` | string | 是 | - | - | audio_url 是待转码音频的 URL,支持公网 HTTP/HTTPS URL、本地文件路径、视频点播 vod:// 和对象存储 tos:// 四种输入协议;输入支持 mp3、m4a、wav、wma、amr、aac、ogg、flac 等音频格式。 |
| `callback_args` | `--callback-args` | string | 否 | - | - | 自定义回调参数。任务完成时,您提供的内容会通过事件回调原样返回,便于关联业务;字段长度最大为 512 字节。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `callback_url` | `--callback-url` | string | 否 | - | - | 用于接收该任务结果回调的 URL 地址。提供此参数时,其优先级高于全局回调地址;地址必须以 http:// 或 https:// 开头。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `client_token` | `--client-token` | string | 否 | - | - | 用户请求凭证,用于幂等控制。大小写敏感,不超过 64 个 ASCII 码可打印字符。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `container_format` | `--container-format` | string | 是 | "MP3" | 枚举: ["MP3","M4A","OGG"] | container_format 指定目标封装格式,建议填写,默认 MP3;系统根据封装格式自动选择对应编码器:MP3 封装格式使用 MP3 编码器,M4A 封装格式使用 AAC 编码器,OGG 封装格式使用 Opus 编码器。 |
| `media_output_destination` | `--media-output-destination` | string | 否 | - | - | 指定处理产物的目标存储位置。AI MediaKit 支持将处理产物存储至您的火山引擎视频点播(VOD)空间或对象存储(TOS)桶:存储至 VOD 时设为 vod://<您的空间名>;存储至 TOS 时设为 tos://<您的桶名>。设置后,任务结果中的 url 相关字段将返回 vod:// 或 tos:// 格式的资源地址,不再返回临时下载地址。首次使用前,需要按需授权 AI MediaKit 将文件写入您的 VOD 空间或 TOS 桶。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
| `metadata_add_tags` | `--metadata-add-tags` | array<object> | 否 | - | - | metadata_add_tags 指定为输出音频新增的元信息标签;新增标签与保留标签同名时,新增标签设置覆盖源文件的值。 |
| `metadata_add_tags[].key` | - | string | 否 | - | - | 标签键。 |
| `metadata_add_tags[].value` | - | string | 否 | - | - | 标签值。 |
| `metadata_keep_tags` | `--metadata-keep-tags` | array<string> | 否 | - | - | metadata_keep_tags 指定从源音频保留的元信息标签键;默认情况下,转码会丢弃大部分元信息,例如标题和艺术家。 |
| `queue_id` | `--queue-id` | string | 否 | - | - | 任务提交的目标队列 ID。如不传,默认使用系统自动创建的队列 ID。可将不同业务或优先级的任务提交到不同队列,以实现按队列对应的项目分账。队列可创建和管理,系统会自动为队列分配队列 ID。 仅在用户明确提供该值时传递;不得由 Agent 生成、推断或补写。 |
### 返回结果
| 字段路径 | 类型 | 必含 | 模式 | 说明 |
| --- | --- | --- | --- | --- |
| `request_id` | string | 否 | Cloud | 请求标识;仅在后端返回时出现。 |
| `task_id` | string | 是 | Cloud | 异步任务的唯一标识,用于查询任务状态并获取最终结果。 |
| `task_type` | string | 否 | Cloud | 任务类型;仅在后端实际返回非空值时出现。 |
| `result.audio_url` | string | 否 | Cloud 终态 | audio_url 是输出音频的地址。未设置 media_output_destination 时,返回 HTTPS 临时下载链接,有效期为 24 小时;设置 media_output_destination 后,返回 vod://<空间名>/<媒资ID> 或 tos://<桶名>/<对象Key> 格式的存储地址。 |
| `result.duration` | number | 否 | Cloud 终态 | duration 表示音频时长,单位为秒。 |
Cloud 调用成功后读取 `task_id`,再查询终态结果:
```bash
mediakit-cli shared query-task --task-id <task_id> --poll-complete
```
### 机器合同
以下命令只读取本模式的实时 help/schema,不发起业务调用:
```bash
mediakit-cli audio transcode-audio --help
mediakit-cli audio transcode-audio --schema
```
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 471k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |