AI MediaKit 的人声背景音分离工具，能够精准地处理您输入的音频或视频文件，输出两个独立的 AAC 音频文件：纯净的人声干声和完整的背景伴奏。本篇开发指南将引导您： * 理解人声背景音分离的核心能力与应用场景。 * 快速从一段媒体文件中分离出人声音轨和背景音音轨。 ## 效果预览通过人声背景音分离工具，您可以实现以下效果： |输入的视频 |分离出的人声和背景伴奏 | |---|---| |

|SeparateVoice_Vocal.aac|\ | ||\ | |SeparateVoice_Background.aac|\ | ||\ | | | ## 快速体验：从视频中分离人声与背景声本场景演示如何从一段包含人声和背景音乐的视频中，提取出两个独立的音轨文件。 ### 准备工作 1. **获取访问凭证**：在开始之前，访问 AI MediaKit 控制台 [API Key 管理页面](https://console.volcengine.com/imp/ai-mediakit/settings)，创建并获取 **MediaKit API Key**（用于媒体处理功能鉴权）。 2. **准备视频文件**：准备一个待处理的视频或音频文件，并将其上传至公网可访问的服务器或[视频点播服务](https://www.volcengine.com/docs/4/2834?lang=zh)中，以获取可供 API 调用的 URL。 ### 操作流程人声背景音分离是一个异步任务： 1. 成功调用 `POST /api/v1/tools/separate-voice` 后，API 将返回一个任务 ID。 2. 您可以轮询[查询任务信息 API](/docs/6448/2278532)，直到任务状态 `status` 变为 `completed`；或者使用[事件回调](/docs/6448/2288701)自动接收任务状态变化。 3. 任务完成后，解析 `result` 字段，即可在 `voice_audio_url` 和 `background_audio_url` 字段处获取最终音频文件的下载地址。 #### 第 1 步：提交任务您需要调用[提交人声背景声分离任务 API](/docs/6448/2386113)。可直接复制以下 cURL 命令提交。 ```Bash curl -X POST 'https://mediakit.cn-beijing.volces.com/api/v1/tools/separate-voice' \ --header 'Content-Type: application/json' \ --header 'Authorization: Bearer {Your_API_Key}' \ --data '{ "video_url": "https://example.com/my_video_with_music.mp4" }' ``` :::tip **需替换参数**： * 将 `{Your_API_Key}` 替换为您的有效 API Key。 * 将 `video_url` 替换为您真实的视频文件地址。您也可以使用 `audio_url` 参数来处理纯音频文件。 ::: 请求成功后，您会收到如下包含 `task_id` 的响应，请保存此 ID 用于后续查询。 ```JSON { "success": true, "task_id": "amk-tool-separate-voice-12345678", "request_id": "20260417110000A1B2C3D4E5F6G7H8" } ``` #### 第 2 步：获取结果您需要轮询[查询任务信息 API](/docs/6448/2278532)，直到任务状态 `status` 变为 `completed`。 ```Bash curl -X GET 'https://mediakit.cn-beijing.volces.com/api/v1/tasks/{task_id}' \ --header 'Authorization: Bearer {Your_API_Key}' ``` :::tip **需替换参数**：将 URL 末尾的 `{task_id}` 替换为第 1 步返回的任务 ID。 ::: 当任务成功完成后，您将收到如下响应。`result` 字段包含了分离后的人声音轨（`voice_audio_url`）和背景音音轨（`background_audio_url`）的下载地址（均为 **AAC** 格式，有效期 **48** 小时）。 ```JSON { "success": true, "task_id": "amk-tool-separate-voice-12345678", "task_type": "separate-voice", "status": "completed", "result": { "voice_audio_url": "https://example.volcvideo.com/voice.aac?auth_key=...", "background_audio_url": "https://example.volcvideo.com/background.aac?auth_key=...", "duration": 120.5 }, "expires_at": 1777464650, "created_at": 1777291767, "finished_at": 1777291851, "request_id": "20260417110100F8G7H6E5D4C3B2A1" } ``` ## 参考信息 ### 应用场景 * **视频剪辑与二次创作**：在视频剪辑和二次创作中，分离后的人声和背景音可分别进行处理，例如调整视频中某段对话的音量，或更换视频的背景音乐，使二次创作更加灵活高效。 * **人声凸显优化**：对于来源复杂的视频，如手机拍摄的生活记录、现场录制的讲座、非专业播客录音等，通过人声背景音分离功能将人声单独分离后，可以定向对人声部分进行处理，如提升音量、优化音质、降低噪音等，显著提高音频中人声的清晰度。 * **视频翻译与声音复刻**：在视频翻译场景下，可将视频中的人声单独提取出来，用于后续的语音复刻，使其在音色、语调等方面与原人声保持高度一致，再结合 TTS 技术将翻译后的文本转换为目标语言的语音。 * **语音识别 ASR 优化**：对音频进行人声提取后，将纯净的人声部分用于自动语音识别，能有效减少背景噪音等干扰因素对识别过程的影响，从而显著提升 ASR 的整体准确率。 ### 使用限制与性能 |限制项 |说明 | |---|---| |**输入文件限制** |* **文件来源**：仅支持公网可访问的 HTTP/HTTPS URL。|\ | |* **支持格式**：|\ | | * `mp4`, `flv`, `ts`, `avi`, `mov`, `wmv`, `mkv` 等主流视频格式。|\ | | * `mp3`, `m4a`, `wav` 等主流音频格式。 | ## 相关 API 文档 * [提交人声背景声分离任务 API](/docs/6448/2386113) * [查询任务信息 API](/docs/6448/2278532) * [事件回调](/docs/6448/2288701)

智能处理