如何使用dolby.io Media APIs合并、匹配响度并优化通话录制音频文件

一、前期准备 #

• 已注册Dolby.io账号并获取有效API密钥（记为YOUR_API_KEY）
• 将两个本地录制的音频文件上传至Dolby.io支持的云存储（如AWS S3），确保文件URL可被Dolby.io访问

二、分析音频获取响度基准（基于Analyze API） #

首先需要分析两个音频的响度参数，为后续匹配提供依据。以下是官方Analyze API指南的中文翻译及操作步骤：

分析API指南（中文翻译） #

分析API用于检测媒体文件的音频/视频属性，核心包含响度测量、音频频谱特征等数据。它会生成详细分析报告，为音频处理提供精准的声学参考。

请求方式：向https://api.dolby.com/media/analyze发送POST请求
核心参数：

• input：待分析音频的云存储URL
• output：存储分析报告的云存储URL（可选，不指定则报告直接返回在响应中）
  关键响应数据：包含integrated_loudness（集成响度，单位LUFS）、true_peak（真峰值，单位dBTP）等响度指标，是匹配操作的核心依据。

操作步骤 #

• 分析第一个音频：

curl -X POST "https://api.dolby.com/media/analyze" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "s3://your-bucket/audio1.wav",
    "output": "s3://your-bucket/audio1_analysis.json"
  }'

• 重复上述命令，替换input和output路径，分析第二个音频，记录两份报告中的integrated_loudness值。

三、单音频处理：响度匹配+音质增强 #

使用Enhance API同时完成响度校准和通话音频优化（降噪、语音增强），可统一设置目标响度（如流媒体通用的-16 LUFS），或选择其中一个音频的响度作为基准匹配另一个。

处理第一个音频（以-16 LUFS为目标响度）： #

curl -X POST "https://api.dolby.com/media/enhance" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "s3://your-bucket/audio1.wav",
    "output": "s3://your-bucket/audio1_enhanced.wav",
    "content": {
      "type": "conversation"
    },
    "audio": {
      "loudness": {
        "target": -16
      },
      "noise": {
        "reduction": true
      },
      "speech": {
        "enhance": true
      }
    }
  }'

处理第二个音频（匹配相同目标响度）： #

curl -X POST "https://api.dolby.com/media/enhance" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "s3://your-bucket/audio2.wav",
    "output": "s3://your-bucket/audio2_enhanced.wav",
    "content": {
      "type": "conversation"
    },
    "audio": {
      "loudness": {
        "target": -16
      },
      "noise": {
        "reduction": true
      },
      "speech": {
        "enhance": true
      }
    }
  }'

• 注：content.type设为conversation是针对视频通话场景优化，API会针对性提升语音清晰度、降低背景噪音。

四、合并处理后的音频 #

使用Mix API将两个已处理的音频合并为单个文件，可选择立体声或单声道输出：

curl -X POST "https://api.dolby.com/media/mix" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "inputs": [
      {
        "source": "s3://your-bucket/audio1_enhanced.wav",
        "channels": "1"
      },
      {
        "source": "s3://your-bucket/audio2_enhanced.wav",
        "channels": "1"
      }
    ],
    "output": "s3://your-bucket/final_merged_audio.wav",
    "audio": {
      "mix": {
        "layout": "stereo"
      }
    }
  }'

• 若需单声道合并，将audio.mix.layout改为mono即可。

五、查询任务状态并下载结果 #

每个API请求会返回job_id，通过以下命令查询任务进度：

curl -X GET "https://api.dolby.com/media/jobs/YOUR_JOB_ID" \
  -H "Authorization: Bearer YOUR_API_KEY"

当任务状态显示为Success时，即可从指定的output URL下载最终合并后的音频文件。

内容的提问来源于stack exchange，提问作者Marcus