音频智能处理

技能简介

AudioPod AI 提供完整的音频处理 API，支持从文本生成音乐、说唱、器乐和人声，以及音轨分离、语音合成、音频降噪、语音转文字、说话人分离和媒体提取等功能。

业务背景

音频智能处理帮助企业快速生产专业级音频内容，无需聘请音乐人或购买昂贵设备。营销团队可即时生成品牌配乐，客服部门能批量合成多语言语音，内容创作者则可一键分离音轨进行混音再创作，大幅降低音频制作门槛与成本。

落地案例：某电商企业筹备618大促，需为200款商品视频配背景音乐。运营人员使用文本描述"轻快电子乐、节奏明快、适合年轻消费者"，批量生成30秒配乐并自动匹配视频时长；同时用语音合成功能为促销文案生成统一风格的AI旁白，3天内完成全部音频素材制作，较传统外包方式节省两周时间。

能做什么

• 文本生成歌曲、说唱、器乐、采样循环和人声
• 将歌曲分离为人声、乐器和干声音轨
• 文本转语音合成
• 音频降噪处理
• 音视频语音转文字
• 多说话人分离识别
• 从 YouTube 或 URL 提取音频

使用说明

1. 安装 SDK

# Python
pip install audiopod

# Node.js
npm install audiopod

2. 获取 API Key

1. 访问 https://audiopod.ai/auth/signup 注册账号（免费，无需信用卡）
2. 进入 API Keys 页面
3. 点击 “Create API Key” 并复制密钥（以 ap_ 开头）
4. 在 钱包页面 充值余额（按量付费，无订阅）

3. 初始化客户端

from audiopod import AudioPod
client = AudioPod()  # 自动读取 AUDIOPOD_API_KEY 环境变量
# 或直接传入: client = AudioPod(api_key="ap_...")

4. 生成音乐示例

# 生成完整歌曲
result = client.music.song(
    prompt="Upbeat pop, synth, drums, 120 bpm, female vocals",
    lyrics="Verse 1:\nWalking down the street...\n\nChorus:\nWe're on fire tonight!",
    duration=60
)
print(result["output_url"])

# 生成说唱
result = client.music.rap(prompt="Lo-Fi Hip Hop, male rap", lyrics="Started from...", duration=60)

# 生成纯器乐
result = client.music.instrumental(prompt="Atmospheric ambient", duration=30)

5. 异步任务处理

job = client.music.create(prompt="Chill lofi beat", duration=30, task="prompt2instrumental")
result = client.music.wait_for_completion(job["id"], timeout=600)

输入与输出

见下方输入与输出表格。

风险提示

• API Key 需妥善保管，避免泄露导致余额被盗用
• 生成内容需遵守版权法规，商用前确认授权条款
• 音频生成任务可能耗时较长，建议设置合理超时时间
• 按量计费模式需关注余额，避免任务中断
• 网络不稳定可能导致上传/下载失败，需做好重试机制

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/rakesh1002/audiopod/SKILL.md
来源类型：GitHub 开源仓库