将音频或视频中的第一路音频分离为**人声轨**与**伴奏/背景轨**两条音轨，支持 WAV、MP3、AAC 输出；视频输入还可自动生成保留原画面、仅含人声音轨的 MP4，适合二创去背景乐、ASR/字幕预处理提纯人声、伴奏提取等场景。 # 算子介绍 > Operator ID: las_vocal_separation ## 核心能力 * **双音轨输出**： * 支持基于输入音视频返回人声轨与非人声残差轨。 * **人声视频输出**：对于视频类的输入，支持额外返回 `vocals_video_url`、`vocals_video_object_storage_path` 和 `vocals_video_size_bytes`，可直接预览原画面配人声的效果。 * **共同峰值增益**：`normalize` 默认为 `false`；开启时对两轨施加同一安全增益，保持相对比例，可能同时放大或衰减。它不是 LUFS 响度标准化，也不会改善分离质量；关闭时仍会执行必要的防削波衰减。 * **多格式输出**： * 处理结果支持多种音频格式：WAV 适合后期编辑和后续算法处理，MP3/AAC 适合试听与分发。 ## 支持的地域 * 北京：cn\-beijing # 输入与输出要求 ## 输入要求 |**细分项** |**详细要求** | |---|---| |支持的输入数据模态 |* 音频

* 视频 | |输入格式：音频/视频 |* 格式：

* 视频格式输入时，视频必须包含有效音频流。

* 大小：不超过 1Gib

* 时长：音频输入的时长范围为 3~1800 秒；视频输入不超过 1800 秒。

* 源音频规格：源音频支持 1 到 8 声道、8000 到 192000 Hz

* 音频流：最多 16 路音频流，固定处理第一路音频流。始终处理第一路音频流，多语言或多声轨容器应预先将目标声轨重新封装为第一路。

* 其他：实际文件须通过容器和解码校验 | |输入路径要求 |通过请求参数 `input_url`提供给算子输入数据，当前支持公网 URL、TOS 路径这两种方式。

* 公网 URL：公网可访问的音频或视频 URL，格式为 `http/https`。

* TOS 路径：将待处理数据上传至与当前 LAS 服务同主账号、同地域的 TOS Bucket后，可提供 TOS 路径，格式为`tos://bucket_name/demo`。 | ## 输出要求 |**细分项** |**详细要求** | |---|---| |支持的输出数据模态 |* 音频

* 视频 | |输出格式：音频 |* 格式：

* 视频输入时，固定输出 `MP4`/`aac`格式；

* 音频输入时支持输出 `wav`、`mp3`、`aac`。可通过请求参数 `output_format` 指定返回格式。

* `wav` 为 PCM16，`mp3`/`aac` 目标码率为 192 kbps，`aac` 使用 ADTS 容器。

* 固定包含 `vocals` 人声轨和 `no_vocals` 非人声残差轨，两轨均为 44100 Hz、双声道。

* 本算子面向音乐混音中的人声与伴奏分离，不区分说话人，也不提供降噪、去混响或“零人声”保证。

* `no_vocals` 是输入减去估计人声的残差，纯对白、强混响或低码率素材可能保留可懂人声；用于自动配音替换前需要残留语音检测和人工抽检。 | |输出格式：视频 |* 格式：`MP4`，输入包含有效视频流时自动生成 `vocals_video.mp4`，纯音频输入不返回视频字段（是否生成视频由实际有效视频流决定，不由扩展名决定）。

* 返回的视频保留第一路非封面视频流的原画面，并以 44100 Hz 双声道 AAC 人声音轨替换原音轨。不兼容 MP4 的视频编码会转为 H.264。

* 原音轨、字幕、附件和其他数据流不保留。 | |输出路径要求 |可通过 `output_tos_path` 指定算子输出结果的存储路径，当前支持设置为 TOS 路径。

* TOS 路径：与 LAS 服务同主账号、同地域下，有可写权限的 TOS Bucket 目录，格式：`tos://bucket/output/`。 | # 计费说明 * 计费标准 |细分项 |计费标准说明 | |---|---| |计费项 |基于输入的音频/视频时长统计用量进行计费。 | |计费类型 |按量计费，单位：`元/分钟`，每小时出账。计费精度：分钟级，不足 1 分钟按 1 分钟计 | |单价 |0.06 元/分钟 | * 计费详情计费公式：`总费用 = 单价 * 用量` # 注意与前提 |细分项 |注意与前提 | |---|---| |开通 LAS |* 如果您是一个全新的火山引擎用户，此前未开通过 LAS 产品，您可先开通 LAS，不使用 LAS 的计费功能仅开通 LAS 产品不会产生费用。开通操作请参见[准备工作](https://docs.volcengine.com/docs/6492/1264537)。

* 开通完成后可查看算子介绍文档，了解算子能力、上手引导等，详情可参见：[LAS 智能数据处理算子](https://docs.volcengine.com/docs/6492/1798368)。 | |费用 |调用算子前，您需先了解使用算子时的模型调用费用，详情请参见[大模型调用计费](https://www.volcengine.com/docs/6492/1544808)。 | |鉴权（API Key） |调用算子前，您需要先生成算子调用的API Key，并建议将API Key配置为环境变量，便于更安全地调用算子，详情请参见[获取 API Key 并配置](https://docs.volcengine.com/docs/6492/2191994)。 | |BaseURL |调用算子前，您需要先根据您当前使用的LAS服务所在地域，了解算子调用的BaseURL，用于配置算子调用路径参数取值。

详情请参见[获取 Base URL](https://docs.volcengine.com/docs/6492/2191993)，下文中的调用示例仅作为参考，实际调用时需替换为您对应地域的路径取值。 | # Rest API 调用 ## Submit ### 接口说明提交 `las_vocal_separation` 人声分离任务。成功仅返回 `PENDING` 和任务 ID，通过 Poll 获取两条音轨和条件生成的人声视频。请求校验失败通过 HTTP 错误返回；提交后的媒体校验和执行失败通过 Poll 的任务终态与 `metadata.business_code` 返回。 ### 请求参数 **operator_id** string 必选 `示例值: las_vocal_separation` 算子 ID，固定为 `las_vocal_separation`。 **operator_version** string 必选 `示例值: v1` 算子版本，固定为 `v1`。 **data** VocalSeparationRequest 必选人声分离业务参数，仅支持下表中的四个字段。 **input_url** string 必选 `示例值: https://example.com/media/demo.mp4` 输入音频或视频地址，1 到 4096 字符；支持 `tos://`、`http://`、`https://`，禁止本地路径及 userinfo。固定处理第一路音频；默认大小不超过 1 GiB、音频时长 3 到 1800 秒、视频时长不超过 1800 秒、最多 16 路音频流、1 到 8 声道、8000 到 192000 Hz，实际文件须可解析和解码。有有效视频流时自动生成人声视频。 **output_tos_path** string `示例值: tos://example-bucket/vocal-separation` 输出 TOS 目录前缀，最长 2048 字符；不传或为 `null` 时会直接返回可下载处理结果的预签名链接。显式传入时必须是非空 `tos://bucket/prefix`，调用账号须具备读写对应用户桶的权限。该值是目录，不是最终文件名，音频和可选视频均写入该目录下的任务子目录。 **output_format** string `示例值: wav` 音频输出格式，默认 `wav`。`wav`：PCM16，适合编辑和后续算法处理；`mp3`：目标码率 192 kbps，适合试听分发；`aac`：ADTS AAC、目标码率 192 kbps，适合 AAC 预览。三者均为 44100 Hz 双声道，取值区分大小写。不控制人声视频格式，视频始终为 MP4/AAC。 **normalize** boolean `示例值: false` 是否对两轨应用同一安全峰值增益，默认 `false`。`true` 适合音量偏小、直接试听或分发的素材，可共同放大或衰减且保持轨间比例；噪声和残留人声也会同步变响。后期混音、ASR 或后续增益处理建议关闭。关闭时仍执行必要的防削波衰减；不是 LUFS 响度标准化，不改善分离质量。 **callback** Callback 可选终态回调配置；不传则通过 Poll 获取结果。 **url** string 必选 `示例值: https://example.com/callback` 接收任务终态通知的回调地址；配置 callback 时必填。 ### 返回数据 **metadata** Metadata 请求元信息与已接受的任务 ID。 **task_id** string `示例值: ffb57ea6450c894f354c` 已接受的异步任务 ID，用于 Poll 查询。 **task_status** string `示例值: PENDING` 提交成功为 `PENDING`，不表示处理已经完成。 **business_code** string `示例值: 0` 提交成功为 `0`。 **error_msg** string 错误描述，成功时为空。 **request_id** string `示例值: 9fed0e5f0659b128bad47e971aed3c81` 本次 API 请求 ID。 ### 请求示例 ```Bash 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_vocal_separation", "operator_version": "v1", "data": { "input_url": "https://example.com/media/demo.mp4", "output_tos_path": "tos://example-bucket/vocal-separation", "output_format": "wav", "normalize": false } }' ``` ### 返回示例 ```JSON { "metadata": { "task_id": "ffb57ea6450c894f354c", "task_status": "PENDING", "business_code": "0", "error_msg": "" } } ``` ### 错误码 |**HttpStatusCode** |**错误码** |**错误信息** |**描述** | |---|---|---|---| |400 |VocalSeparation.InvalidRequest |input_url must be a string |缺少输入、字段类型或枚举非法、URI 不符合要求，或包含未公开字段。 | |400 |Operator.InvalidId |The operator is invalid. |算子 ID 不正确或不可用。 | |400 |Operator.InvalidVersion |The operator version is invalid. |算子版本不正确。 | |401 |Authorization.Missing |The authorization header is missing. |缺少鉴权信息。 | |401 |ApiKey.Invalid |The api key is invalid. |API Key 无效。 | |429 |Server.Busy |Server is Busy, please try again later. |服务繁忙或触发限流。 | |500 |Server.InternalError |General Internal Error |任务提交或平台配置异常，未成功接受任务。 | ## Poll ### 接口说明通过任务 ID 查询 `las_vocal_separation` 的状态和结果。`COMPLETED` 返回两条音轨，视频输入还返回人声视频；其他状态下 `data` 为空对象。仅 HTTP 查询成功不代表任务执行成功，应同时检查 `metadata.task_status` 与 `metadata.business_code`。执行失败的业务码位于响应 metadata，HTTP 查询仍可返回 200。示例对应 Submit 中包含有效视频流的 MP4 输入；纯音频输入不返回三个 `vocals_video_*` 字段。下载地址为示意值，实际 URL 是服务端生成的临时地址，应保存对象存储路径用于长期流转。 ### 请求参数 |**参数** |**类型** |**是否必填** |**示例值** |**描述** | |---|---|---|---|---| |operator_id |string |是 |las_vocal_separation |算子 ID，固定为 `las_vocal_separation`。 | |operator_version |string |是 |v1 |算子版本，固定为 `v1`。 | |task_id |string |是 |ffb57ea6450c894f354c |Submit 返回的任务 ID。 | ### 返回数据 **metadata** Metadata 请求元信息与任务状态。 **task_id** string `示例值: ffb57ea6450c894f354c` 已接受的异步任务 ID，用于 Poll 查询。 **task_status** string `示例值: COMPLETED` `PENDING` 排队、`RUNNING` 处理中、`COMPLETED` 成功、`FAILED` 失败、`EXPIRED` 排队过期、`CANCELLED` 取消；无法判断时为 `UNKNOWN`。仅 `COMPLETED` 返回可用结果，其他状态下 `data` 为空对象。 **business_code** string `示例值: 0` `0` 表示查询无业务错误；必须同时检查 task_status。任务执行失败时为具体错误码。 **error_msg** string 错误描述，成功时为空。 **request_id** string `示例值: 9fed0e5f0659b128bad47e971aed3c81` 本次 API 请求 ID。 **submit_time** string `示例值: 2026-09-12T12:00:00+08:00` 任务提交时间，ISO 8601；无可用时间时不返回。 **end_time** string `示例值: 2026-09-12T12:02:00+08:00` 任务结束时间，ISO 8601；任务未结束或时间不可用时不返回。 **data** VocalSeparationResult 任务成功后的音视频结果；非成功状态为空对象。 **request_id** string `示例值: req-0123456789abcdef0123456789abcdef` 处理请求标识，用于结果目录关联；查询任务使用 metadata.task_id。 **vocals_url** string `示例值: https://example.com/results/vocals.wav` 人声轨临时下载 URL，有效期由服务端配置决定。 **vocals_object_storage_path** string `示例值: tos://example-bucket/vocal-separation/task/vocals.wav` 人声轨对象存储原始路径，适合持久保存、后续流转或重新签名。 **vocals_size_bytes** integer `示例值: 21168044` 人声轨文件大小，单位字节，来自上传后的对象大小校验。 **no_vocals_url** string `示例值: https://example.com/results/no_vocals.wav` 非人声残差轨临时下载 URL，有效期由服务端配置决定。残差可能仍包含可懂人声，不保证完全无人声。 **no_vocals_object_storage_path** string `示例值: tos://example-bucket/vocal-separation/task/no_vocals.wav` 非人声残差轨对象存储原始路径，适合持久保存、后续流转或重新签名。 **no_vocals_size_bytes** integer `示例值: 21168044` 非人声残差轨文件大小，单位字节，来自上传后的对象大小校验。 **vocals_video_url** string `示例值: https://example.com/results/vocals_video.mp4` 仅含人声音轨的视频临时下载 URL，有效期由服务端配置决定。仅当输入存在有效视频流时返回；纯音频输入不返回此字段。 **vocals_video_object_storage_path** string `示例值: tos://example-bucket/vocal-separation/task/vocals_video.mp4` 仅含人声音轨的视频对象存储原始路径，适合持久保存、后续流转或重新签名。文件名固定为 `vocals_video.mp4`。仅当输入存在有效视频流时返回；纯音频输入不返回此字段。 **vocals_video_size_bytes** integer `示例值: 48211390` 仅含人声音轨的视频文件大小，单位字节，来自上传后的对象大小校验。仅当输入存在有效视频流时返回；纯音频输入不返回此字段。 **audio** AudioResult 音频基础信息；audio.output_format 只描述两条音轨格式，不描述视频。 **duration_sec** double `示例值: 120.0` 标准化双轨音频时长，单位秒，大于 0；有损输出容器时长可能因编码延迟略有差异。 **frames** integer `示例值: 5292000` 每条内部 PCM 音轨的帧数，大于 0；不是 MP3/AAC 编码帧数。 **sample_rate** integer `示例值: 44100` 采样率，固定为 44100 Hz。 **channels** integer `示例值: 2` 声道数，固定为 2。 **sample_format** string `示例值: s16` 标准化及内部 WAV 使用的 PCM 格式，固定为 s16；MP3/AAC 文件为有损编码。 **output_format** string `示例值: wav` 音轨输出格式，`wav`、`mp3` 或 `aac`，与提交参数一致。 ### 请求示例 ```Bash 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_vocal_separation", "operator_version": "v1", "task_id": "ffb57ea6450c894f354c" }' ``` ### 返回示例 ```JSON { "metadata": { "task_id": "ffb57ea6450c894f354c", "task_status": "COMPLETED", "business_code": "0", "error_msg": "" }, "data": { "request_id": "req-0123456789abcdef0123456789abcdef", "vocals_url": "https://example.com/results/vocals.wav", "vocals_object_storage_path": "tos://example-bucket/vocal-separation/doctest/vocals.wav", "vocals_size_bytes": 21168044, "no_vocals_url": "https://example.com/results/no_vocals.wav", "no_vocals_object_storage_path": "tos://example-bucket/vocal-separation/doctest/no_vocals.wav", "no_vocals_size_bytes": 21168044, "vocals_video_url": "https://example.com/results/vocals_video.mp4", "vocals_video_object_storage_path": "tos://example-bucket/vocal-separation/doctest/vocals_video.mp4", "vocals_video_size_bytes": 48211390, "audio": { "duration_sec": 120.0, "frames": 5292000, "sample_rate": 44100, "channels": 2, "sample_format": "s16", "output_format": "wav" } } } ``` ### 错误码 |**HttpStatusCode** |**错误码** |**错误信息** |**描述** | |---|---|---|---| |200 |VocalSeparation.InvalidRequest |Invalid vocal separation request |请求参数或组合不正确。 | |200 |VocalSeparation.IdempotencyConflict |The task id is already associated with different input |任务输入或输出策略发生幂等冲突。 | |200 |VocalSeparation.DownloadRejected |The input could not be downloaded |输入访问策略或下载校验拒绝。 | |200 |VocalSeparation.FileTooLarge |The input file exceeds the size limit |输入超过大小上限。 | |200 |VocalSeparation.DurationTooShort |The selected audio stream is too short |输入音频短于最小时长。 | |200 |VocalSeparation.DurationExceeded |The selected audio stream exceeds the duration limit |音频或视频超过时长上限。 | |200 |VocalSeparation.AudioStreamMissing |The selected audio stream does not exist |输入缺少音频流。 | |200 |VocalSeparation.FormatUnsupported |The input media format is not supported |容器、编码、音轨数量、声道或采样率不受支持。 | |200 |VocalSeparation.MediaInvalid |The input media file is invalid or incomplete |媒体损坏、不完整或无法可靠解码。 | |200 |VocalSeparation.DownloadUnavailable |The input service is temporarily unavailable |输入源暂时不可用。 | |200 |VocalSeparation.ServiceUnavailable |Vocal separation service is unavailable |分离服务暂时不可用。 | |200 |VocalSeparation.ResourceInsufficient |Vocal separation capacity is temporarily insufficient |处理资源暂时不足。 | |200 |VocalSeparation.ProcessingFailed |Vocal separation processing failed |分离、转码、视频合成或产物校验失败。 | |200 |VocalSeparation.Timeout |Vocal separation timed out |任务执行超时。 | |200 |VocalSeparation.OutputUnavailable |Vocal separation output is temporarily unavailable |输出暂时不可用。 | |200 |VocalSeparation.InternalError |Vocal separation failed |任务执行内部错误。 | |400 |TaskId.Missing |The task id is missing. |任务 ID 缺失或为空。 | |200 |TaskId.Invalid |The task id is invalid. |任务 ID 无效或任务不存在，metadata.task_status 为 FAILED。 | |200 |Server.InternalError |General Internal Error |查询失败或任务结果不完整；检查 metadata.task_status 和 error_msg。 | |401 |Authorization.Missing |The authorization header is missing. |缺少鉴权信息。 | |401 |ApiKey.Invalid |The api key is invalid. |API Key 无效。 | |429 |Server.Busy |Server is Busy, please try again later. |查询触发限流。 |

AI 数据湖服务