音频重建算子既面向多个 AI 生成子视频的统一成片场景，也支持无视频的权威口播稿纯音频生成。视频模式按照 segments 的输入顺序合并画面，重新规划覆盖整片的音频时间轴，生成统一音频并替换原视频音轨；纯音频模式直接生成口播音频。最终返回输出模式、合成视频或音频、独立重建音频和 SRT 字幕。

算子 ID：las_video_merge_audio_rebuild

适用场景 #

• AI 子视频统一成片：衔接上游分镜或视频生成结果，统一不同片段的旁白、音色、声音氛围和字幕。
• 权威文案配音：已有最终口播稿时，跳过原音内容整理，直接按整片稿生成可控旁白。
• 无视频音频生产：仅凭权威口播稿生成自然时长或指定时长的音频。
• 分段提示词驱动的内容生产：只有片段原音和生成提示词时，以原音为内容底稿，并用提示词辅助纠音或提炼明确台词。
• 产品讲解、营销与教程视频：将多个产品镜头、操作演示或营销分镜加工为带统一画外音和字幕的完整视频。

核心能力 #

• 多片段顺序合并：按照请求中的片段顺序拼接视频，形成统一成片。
• 权威口播稿直通：提供 voiceover_script 时，严格以该脚本作为唯一朗读内容，不消费片段原音，也不进行语义改写或扩写。
• 纯音频口播生成：无需传入视频，可用 target_duration 指定目标时长，也可由模型自然决定时长。
• 原音转写与纠音：未提供整片口播稿时，逐段转写原音；识别到语音时，prompt 仅作为错字、专有名词、读音和声音风格的参考，不新增原音中不存在的句子。
• 显式台词安全提炼：某段原音未识别出语音时，只从 prompt 中提炼明确标注的台词、口播或旁白，并过滤动作、字幕、嘴型和画面说明；没有明确朗读内容时不会凭空生成台词。
• 跨片音频统一：对不同片段中的说话人和声音风格进行跨片归并，自动规划连续时间轴，并根据内容将片段路由为语音、声音或静音，尽量保持成片音色与听感一致。
• 自动音频生成与组装：系统根据视频时长和音频时间轴自动选择整片、分层或分段生成方式；提示词中的音色、语气、BGM、音效与混音线索可用于辅助新音轨生成，但不会保留原音轨中的 BGM 或音效。
• 口播密度控制：使用整片口播稿时，可检查文案与视频时长是否匹配，避免单位时长内文本过密。
• 多结果输出：返回输出模式、成片视频或纯音频、独立音频、SRT 字幕、目标时长及重建音频总时长。

效果展示 #

支持的地域 #

• 北京：cn-beijing

算子性能 #

输入要求 #

输出要求 #

• 计费标准

  细分项	计费标准说明
  计费项	基于重建音频的时长统计用量进行计费。 任务完成后， poll 接口的 total_duration_sec 返回参数值即为当前任务的重建音频时长。
  计费类型	按量计费，单位：元/分钟，按实际的计费用量每小时出账。计费精度：毫秒级精度，四舍五入
  单价	3.6 元/分钟

• 计费详情
  计费公式：总费用 = 单价 * 用量

Submit #

接口说明 #

提交音频重建异步任务。算子可按输入顺序合并视频并重建统一音频，也可根据完整音频描述或兼容口播稿直接生成纯音频。提交成功后返回任务 ID，可通过 Poll 接口查询任务状态和结果。

请求参数 #

返回数据 #

示例 #

请求示例

curl --location "https://operator.las.cn-beijing.volces.com/api/v1/submit" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer $LAS_API_KEY" \
--data '{
  "operator_id": "las_video_merge_audio_rebuild",
  "operator_version": "v1",
  "data": {
    "segments": [
      {
        "clip_id": "scene_001",
        "video_url": "https://${LAS_TOS_BUCKET}.${TOS_ENDPOINT}/operator_cards_serving/public/${LAS_ENVIRONMENT}/las_video_merge_audio_rebuild/v1/segments/scene_001.mp4",
        "prompt": "产品介绍视频，使用温和自然的旁白"
      },
      {
        "video_url": "https://${LAS_TOS_BUCKET}.${TOS_ENDPOINT}/operator_cards_serving/public/${LAS_ENVIRONMENT}/las_video_merge_audio_rebuild/v1/segments/scene_002.mp4"
      }
    ],
    "audio_prompt": "舒缓音乐铺底，一位温和自然的女声说道：欢迎体验全新产品，让每一次使用都更加轻松。",
    "scene_mode": "voiceover",
    "output_object_storage_dir": "tos://${LAS_TOS_BUCKET}/audio-rebuild-output"
  }
}'

返回示例

{
  "metadata": {
    "task_id": "task-20260809120000-abc123",
    "task_status": "PENDING",
    "business_code": "0",
    "error_msg": "",
    "request_id": "20260809120000ABCDEF"
  }
}

错误码 #

Poll #

接口说明 #

根据任务 ID 查询音频重建任务的执行状态和结果。任务未进入终态时应继续轮询；任务完成后可获取输出模式、合成视频或纯音频、独立音频和字幕地址。

请求参数 #

返回数据 #

示例 #

请求示例

curl --location "https://operator.las.cn-beijing.volces.com/api/v1/poll" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer $LAS_API_KEY" \
--data '{
  "operator_id": "las_video_merge_audio_rebuild",
  "operator_version": "v1",
  "task_id": "task-20260809120000-abc123"
}'

返回示例

{
  "metadata": {
    "task_id": "task-20260809120000-abc123",
    "task_status": "COMPLETED",
    "business_code": "0",
    "error_msg": "",
    "request_id": "20260809120100ABCDEF",
    "submit_time": "2026-08-09T12:00:00+08:00",
    "end_time": "2026-08-09T12:01:00+08:00"
  },
  "data": {
    "output_mode": "video",
    "video_url": "https://example.com/final_video.mp4",
    "video_object_storage_path": "tos://bucket/output/final_video.mp4",
    "audio_url": "https://example.com/rebuilt_audio.m4a",
    "audio_object_storage_path": "tos://bucket/output/rebuilt_audio.m4a",
    "subtitle_url": "https://example.com/subtitle.srt",
    "subtitle_object_storage_path": "tos://bucket/output/subtitle.srt",
    "generation_mode": "direct_audio_prompt",
    "target_duration_sec": 24.313,
    "total_duration_sec": 24.313
  }
}

错误码 #