byted-mediakit-audio
All-time installs
12.3K
面向音频文件或视频中的音轨,处理语音边界定位、音频媒资信息探测、音频转码与码流封装适配、人声与背景声分离等目标。若对象和目标族已明确属于音频内容理解、音频转码、音频格式治理或音轨分离,但具体做法不确定,可先加载本 Skill 探索。
Other options
Summary
面向音频文件或视频中的音轨,处理语音边界定位、音频媒资信息探测、音频转码与码流封装适配、人声与背景声分离等目标。若对象和目标族已明确属于音频内容理解、音频转码、音频格式治理或音轨分离,但具体做法不确定,可先加载本 Skill 探索。
Raw SKILL.md
3,844 bytes---
name: byted-mediakit-audio
version: "0.2.2"
license: "MIT"
description: "面向音频文件或视频中的音轨,处理语音边界定位、音频媒资信息探测、音频转码与码流封装适配、人声与背景声分离等目标。若对象和目标族已明确属于音频内容理解、音频转码、音频格式治理或音轨分离,但具体做法不确定,可先加载本 Skill 探索。"
permissions:
- shell
metadata:
requires:
bins: ["mediakit-cli"]
cliHelp: "mediakit-cli audio --help"
product: mediakit-cli/skills
domain: audio
capability_count: 4
---
# audio MediaKit Skill
## 使用规则
1. 先读取 `../byted-mediakit-shared/SKILL.md`,执行统一前置检查;该 Skill 缺失时停止并提示安装。
2. 只从下表选择 `audio` 域工具;相似能力按各工具“能力描述”和参数边界区分。
3. 执行前按需读取对应 reference;参数与结果说明来自同一份已审核文案,完整机器合同以当前 CLI `--schema` 为准。
4. 缺少必填参数、鉴权环境变量或真实输入资源时,向用户索取;通用可选字段只能透传用户明确提供的值,其他可选字段可由明确意图准确确定,但不得伪造。
5. 执行时设置 `MEDIAKIT_SURFACE=skill`,指定调用来源是 Skill。
6. 执行时把 `MEDIAKIT_RUNTIME` 设置为当前 Agent 宿主,避免 CLI 无法可靠识别父级 Agent。
## 音视频元数据前置探测
当目标工具的限制或参数选择依赖音频时长、文件大小、封装、编码、码率、采样率或声道,而用户没有提供可信元信息时,先使用 `probe-audio-metadata`。如果输入实际是视频且需要判断视频流或画面属性,同时使用 video 域的 `probe-video-metadata`。将探测结果与目标工具 reference 的限制逐项比较;确认超限或不兼容时停止并要求更换或调整输入,不得盲目调用。探测结果不能替代目标工具的专属约束,也不保证后端一定处理成功。
## 澄清与跨域路由
若只说有音频而未说明业务目标,应先澄清。音频裁剪、拼接、调速、淡入淡出、混音、从视频抽取音轨或音视频合流等编辑合成诉求应路由到 editing;字幕生成、提取字幕、语音转字幕、视频理解、视频增强等应路由到 video。
## 工具列表
| 工具 | 说明 | 支持模式 | 命令 | 参考 |
| --- | --- | --- | --- | --- |
| detect-voice-activity | 识别音频或视频中的有效人声片段,定位每段人声的起止时间并返回时间戳列表,可用于为后续语音识别、分析、剪辑或训练筛选更干净的音频输入。 | Cloud | `mediakit-cli audio detect-voice-activity` | [reference/detect-voice-activity.md](reference/detect-voice-activity.md) |
| probe-audio-metadata | 探测输入音频 URL,输出标准化媒资元信息,用于获取音频元信息。 | Cloud / Local | `mediakit-cli --cloud audio probe-audio-metadata` / `mediakit-cli --local audio probe-audio-metadata` | [reference/probe-audio-metadata.md](reference/probe-audio-metadata.md) |
| separate-voice | 从音频或视频中分离人声与其他声音:通用或音乐场景输出人声和背景音两轨,短剧或口播场景可进一步输出人声、音乐和音效三轨,便于剪辑、二次创作、人声优化、语音识别或声音复刻。 | Cloud | `mediakit-cli audio separate-voice` | [reference/separate-voice.md](reference/separate-voice.md) |
| transcode-audio | 将音频转换为另一种封装与编码配置,并可调整采样率、码率、声道和响度,以及保留、新增或覆盖元信息,用于适配播放终端、网络传输和媒资库响度标准化。 | Cloud | `mediakit-cli audio transcode-audio` | [reference/transcode-audio.md](reference/transcode-audio.md) |
Security audits
SnykPASS
SocketPASS
Gen Agent Trust HubPASS

