文档中心

AI MediaKit

音频工具

音频转码

AI MediaKit 的音频转码工具，可以将一个音频文件从一种格式转换为另一种格式。这不仅包括容器格式（如 WAV 转 MP3）的转换，还支持对编码参数（如采样率、码率、声道数）和音量进行精细化调整。无论是为了适配不同的播放终端、优化网络传输，还是为了标准化媒资库中的音频响度，音频转码都是一个基础且关键的环节。

本篇开发指南将引导您：

快速体验如何将一个音频文件转换为标准的 MP3 格式。

掌握码率控制、音量均衡、元信息处理等进阶用法。

快速入门：进行基础转码

本节将以最常见的场景为例，演示如何将一个 WAV 音频文件转换为 MP3 文件。

准备工作

获取访问凭证：在开始之前，请访问 AI MediaKit 控制台的 API Key 管理页面，创建并获取 MediaKit API Key。

准备音频文件：准备一个待处理的音频文件，并将其上传至公网可访问的服务器或视频点播服务中，以获取可供 API 调用的 URL。为方便您快速测试，本文后续步骤的示例代码中提供了一个可直接使用的演示音频 URL。

操作流程

音频转码是一个异步任务，其标准流程如下：

调用 POST /api/v1/tools/transcode-audio，获得一个用于查询的 task_id。

轮询 GET /api/v1/tasks/{task_id} 直至任务完成，然后从 result.audio_url 字段中获取转码后音频的下载地址。

第 1 步：提交转码任务

您需要调用提交音频转码任务 API。以下 cURL 命令演示了如何提交一个基础的 MP3 转码任务。

说明

需替换参数：

将 {Your_API_Key} 替换为您的有效 API Key。

audio_url：示例中已提供可直接用于测试的演示音频 URL。您也可以将其替换为您自己的音频地址。

在不指定任何转码参数时，系统将执行默认操作：将音频转码为 MP3 格式，码率为 128kbps，采样率为 48000Hz。如果您需要更精细的控制，请见进阶使用。

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：获取转码结果

转码任务需要一定的处理时间。您需要轮询查询任务信息 API，直到任务状态 status 变为 completed。

当任务成功完成后，您将收到如下响应。您可以在 result.audio_url 字段中找到最终生成的音频文件下载地址（默认有效期为 24 小时）。

进阶使用

控制码率：平衡音质与文件体积

bitrate_mode 和 bitrate_kbps 参数共同决定了音频的码率。

cbr（恒定码率模式）：编码器严格保持码率恒定。文件大小可被精确预测，适合对带宽稳定性要求高的流式传输场景。

cae（自适应码率模式，仅 AAC 支持）：编码器根据音频复杂度动态调整码率，在相同平均码率下，通常能提供更好的音质和更小的文件体积。

以下示例演示了如何使用 cae 模式将音频转码为高质量的 M4A (AAC) 文件，平均码率设为 128kbps。

标准化音量：实现响度均衡

为确保不同来源的音频在播放时具有一致的听感，您可以使用音量均衡功能。将 volume_method 设置为 "2Pass"，并配置 volume_integrated_loudness（目标响度）和 volume_true_peak（安全峰值）参数。

以下示例演示了在转码的同时，将音频响度标准化到流媒体平台常用的 -14 LUFS，并确保真实峰值不超过 -1.5 dBTP。

管理音频元信息 Metadata

在转码过程中，您可以精细化地保留、更新或添加音频的元信息（如标题、艺术家等）。

metadata_keep_tags：指定需要从源文件保留的元信息标签列表。

metadata_add_tags：新增或覆盖元信息标签。如果此处的 key 与保留的标签同名，其 value 将覆盖源文件的值。

以下示例演示了如何保留源文件的 title 和 artist，同时更新 album 信息，并新增一个 encoded_by 标签。

参考信息

使用限制

限制项	说明
输入音频限制	音频来源：支持公网 HTTP/HTTPS URL、本地上传 (mediakit://)、来源于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。支持格式：mp3, m4a, wav, wma, amr, aac, ogg, flac 等主流音频格式。