AI MediaKit 的音频内容编辑工具，能够基于用户使用自然语言描述的修改诉求，自动定位目标语句，生成与上下文自然连贯的新语音并无缝替换，同时保持音色、情绪、韵律和时序基本一致。该工具适用于短视频、播客、有声内容、课程及广告等场景的口误修正、文案更新与局部改词。当前仅支持中文。 ## 快速体验：对一段音频执行改词本节将演示如何对一段音频执行一处改词。 ### 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](https://console.volcengine.com/imp/ai-mediakit/settings)，创建并获取 **AI MediaKit API Key**。 * **准备媒体文件**：准备一段待编辑的音频（或包含有效音频流的视频）文件，并将其上传至公网可访问的服务器或[视频点播服务](https://www.volcengine.com/docs/4/2834?lang=zh)中，以获取可供 API 调用的 URL。 ### 操作流程音频内容编辑是一个异步任务，完整的调用流程如下： 1. 成功调用 `POST /api/v1/tools/edit-speech` 提交任务后，API 将返回一个任务 ID（`task_id`）。 2. 您可以轮询 `GET /api/v1/tasks/{task_id}` 接口查询任务状态，直到状态 `status` 变为 `completed`；或者使用[事件回调](https://docs.volcengine.com/docs/6448/2288701)自动接收任务状态变化。 3. 任务完成后，从响应的 `result` 字段中获取编辑后的媒体下载地址（音频输入返回 `audio_url`，视频输入返回 `video_url`）。 #### 第 1 步：提交音频内容编辑任务您需要调用[提交音频内容编辑任务 API](https://docs.volcengine.com/docs/6448/2697441)。可直接复制以下 cURL 命令，提交一个对音频执行改词的任务。 ```Bash curl -X POST 'https://mediakit.cn-beijing.volces.com/api/v1/tools/edit-speech' \ -H 'Authorization: Bearer {Your_API_Key}' \ -H 'Content-Type: application/json' \ -d '{ "audio_url": "https://vod-ai-test.tos-cn-beijing.volces.com/demo/audio_edit_before.mp4", "edits": [ { "instruction": "把三九十九替换成二百九十九", "search_range": { "start_time": 7, "end_time": 10 } } ] }' ```

说明

将 {Your_API_Key} 替换为您的有效 API Key。

audio_url：替换为您自己的音频地址。如需编辑视频中的语音，请将 audio_url 替换为 video_url（视频须包含有效音频流）。

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。 ```JSON { "success": true, "task_id": "amk-tool-edit-speech-123456789", "request_id": "20260901130000ABCDEFG12345" } ``` #### 第 2 步：获取任务结果音频内容编辑需要一定处理时间，您需要通过轮询[查询任务信息 API](https://docs.volcengine.com/docs/6448/2278532)来获取最终结果，直到任务状态变为 `completed`。 ```Bash curl -X GET 'https://mediakit.cn-beijing.volces.com/api/v1/tasks/{task_id}' \ -H 'Authorization: Bearer {Your_API_Key}' ```

说明

将 URL 末尾的 {task_id} 替换为第 1 步返回的任务 ID。

任务成功完成后，您将收到如下响应。由于本示例为音频输入，`result` 中仅返回 `audio_url`（编辑后音频下载地址，有效期 24 小时）。 ```JSON { "success": true, "task_id": "amk-tool-edit-speech-123456789", "request_id": "20260901130000ABCDEFG12345", "status": "completed", "result": { "audio_url": "https://example.volcvideo.com/edit_speech_output.mp3?auth_key=...", "duration": 60.5, "input_duration": 60.5, "edited_duration": 3.2 }, "expires_at": 1777464650, "created_at": 1777291767, "finished_at": 1777291851 } ``` ## 最佳实践 * **编写清晰的编辑指令**：请在 `instruction` 字段中使用完整、明确的替换指令，例如：“把‘这款产品’改成‘这款面霜’”。 * **原文部分**：指令中待替换的原文应尽量贴近音频中的实际发音。 * **新内容部分**：指令中替换后的新内容应直接填写目标文本，不要使用谐音或近音词。对于数字和单位，建议使用规范、无歧义的写法（如 960ml 或“九百六十毫升”），以确保生成效果的准确性。 * **指令顺序**：当一次提交多条指令时，建议按照它们在音频中出现的先后顺序在 `edits` 数组中填写，以获得最佳处理效果。 * **使用 ** **`search_range`** ** 精准定位**：当同一词语在音频中多次出现，或您希望在特定片段内执行修改时，强烈建议为该指令提供 `search_range`（包含 `start_time` 和 `end_time`），将搜索范围限定在特定时间区间。这能有效避免误改，显著提升编辑的准确性。 ## 参考信息 ### 计费说明音频内容编辑费用根据输入文件时长和实际编辑的音频时长加和计算，单价为 1.00 元/分钟。关于详细的计费规则与示例，请参阅[音频内容编辑](https://docs.volcengine.com/docs/6448/2486469#a2f4772d)。 ## 相关 API 文档 * [提交音频内容编辑任务 API](https://docs.volcengine.com/docs/6448/2697441) * [查询任务信息 API](https://docs.volcengine.com/docs/6448/2278532) * [事件回调](https://docs.volcengine.com/docs/6448/2288701)