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，分离出两个独立的音频文件：纯净的人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：

快速体验：从视频中分离人声与背景音 #

本场景演示如何从一段包含人声和背景音的视频中，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，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视频 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，直到任务状态 status 变为 completed；或者使用事件回调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音分离任务 API。可直接复制以下 cURL 命令提交。

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://vod-ai-test.tos-cn-beijing.volces.com/demo/demo_video_drama_hard_subs.mp4"
}'

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。

{
  "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，直到任务状态 status 变为 completed。

curl -X GET 'https://mediakit.cn-beijing.volces.com/api/v1/tasks/{task_id}' \
--header 'Authorization: Bearer {Your_API_Key}'

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（有效期 24 小时）。

{
    "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"
}

进阶使用：选择分离场景 #

不同内容类型的音频，其人声、背景音、音乐的构成差异较大。您可以通过 scene 参数为任务选择更贴合内容类型的分离场景，以获得更好的分离效果：

以短剧场景为例，提交任务时指定 scene 为 Drama：

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://vod-ai-test.tos-cn-beijing.volces.com/demo/demo_video_drama_hard_subs.mp4",
  "scene": "Drama"
}'

任务完成后，result 中会包含 voice_audio_url、music_audio_url（音乐 BGM） 和 sfx_audio_url（音效）三个音轨地址。

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 #

相关 API 文档 #

• 提交人声背景音分离任务 API
• 查询任务信息 API
• 事件回调