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

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。

效果展示

【视频中的人声与伴奏分离示例】

输入视频

Replay

Play
00:00 / 00:00 Live

00:00

Fullscreen

Cssfullscreen

1x

2x
1.5x
1x
0.75x
0.5x

Click and hold to drag

核心参数示例

"data": {
"input_url": "tos://<your_bucket_name>/input.mp4",
"output_tos_path": "tos://<your_bucket_name>/output/",
"output_format": "wav",
"normalize": false
}

本示例使用视频作为输入，输出两条 44100 Hz、双声道的 WAV 音轨，时长约 96 秒。

normalize=false 表示不开启共同峰值增益；如果有防止削波的需要，算子仍可能对两条音轨使用相同的安全衰减。

人声轨 vocals.wav

0:00 / 1:36

保留原画面、仅含人声音轨的视频 vocals_video.mp4

Replay

Play
00:00 / 01:36 Live

00:00

Fullscreen

Cssfullscreen

1x

2x
1.5x
1x
0.75x
0.5x

Click and hold to drag

伴奏/背景残差轨 no_vocals.wav

0:00 / 1:36

no_vocals 是输入减去估计人声后的残差轨，可用于伴奏提取或后续混音。它不保证完全不含人声，正式使用前建议试听或抽检。

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。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。
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。
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。
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，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 Optional 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 Optional 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 Optional 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 Optional

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

返回示例

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、有效期为 1 天（24 小时）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，有效期为 1 天（24 小时）。

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，有效期为 1 天（24 小时）。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，有效期为 1 天（24 小时）。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

返回示例

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