文档中心

AI MediaKit

基础剪辑

音频混合

AI MediaKit 的音频混合工具可以帮助您轻松地将多个音频文件（如背景音乐、音效、人声）进行混音，并生成一个新的音频文件。无论是为播客制作带 BGM 和音效的片头，还是将多段录音合并为一段完整的音频，都可以通过简单的 API 调用实现。

本篇开发指南将引导您：

快速体验：将旁白与背景音乐混合

本场景演示如何将两段独立的音频（一段旁白和一段背景音乐）混合成一个音频文件。

准备工作

获取访问凭证：在开始之前，访问 AI MediaKit 控制台 API Key 管理页面，创建并获取 AI MediaKit API Key（用于媒体处理功能鉴权）。

操作流程

音频混合是一个异步任务：

第 1 步：提交任务

您需要调用提交音频混合任务 API。您可以直接复制以下 cURL 命令，提交一个音频混合任务。

说明

需替换参数：

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。

第 2 步：获取结果

由于音频处理需要一定时间，您需要轮询查询任务信息 API，直到任务状态 status 变为 completed。

说明

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 字段是一个 JSON 对象，您可以直接从其下的 audio_url 字段获取混合后音频的下载地址（默认输出为 MP3 格式，有效期为 24 小时）。

说明

输出音频的总时长由所有输入音频中最长的一个决定。如果您混合一个 30 秒的旁白和一个 60 秒的背景音乐，最终生成的音频文件时长将为 60 秒。在前 30 秒，旁白和背景音乐会同时播放；在后 30 秒，只有背景音乐。

参考信息

使用限制

限制项

说明

输入文件限制

文件来源：支持公网 HTTP/HTTPS URL、本地上传 (mediakit://)、来源于火山引擎视频点播 (vod://) 和火山引擎对象存储 (tos://) 四种输入协议。关于各协议的具体说明和使用示例，请参阅多源媒体输入与本地上传。

处理耗时

处理耗时与最长输入音频的时长正相关。平均 RTF（处理耗时/原片时长）约为 1。