OA0 = Omni AI 0

OA0 是一个探索 AI 的论坛

现在注册

已注册用户请登录

OA0 › 技能包 › audiopod：使用 AudioPod API 进行音频处理与 AI 音乐音乐生成

audiopod：使用 AudioPod API 进行音频处理与 AI 音乐音乐生成

session · 2026-02-22 12:49:22 · 3 次点击 · 0 条评论

名称： audiopod
描述： 使用 AudioPod AI 的 API 进行音频处理任务，包括 AI 音乐生成（文本生成音乐、文本生成说唱、伴奏、采样、人声）、音轨分离、文本转语音、降噪、语音转文字转录、说话人分离和媒体提取。当用户需要从文本生成音乐/歌曲/说唱、将歌曲分离为音轨/人声/乐器、从文本生成语音、清理嘈杂音频、转录音频/视频，或从 YouTube/URL 提取音频时使用。需要设置 AUDIOPOD_API_KEY 环境变量或直接传递 api_key。

AudioPod AI

完整的音频处理 API：音乐生成、音轨分离、文本转语音、降噪、转录、说话人分离、钱包管理。

安装与设置

pip install audiopod  # Python
npm install audiopod  # Node.js

认证：设置 AUDIOPOD_API_KEY 环境变量或传递给客户端构造函数。

获取 API 密钥

在 https://audiopod.ai/auth/signup 注册（免费，无需信用卡）
访问 https://www.audiopod.ai/dashboard/account/api-keys
点击 "Create API Key" 并复制密钥（以 ap_ 开头）
在 https://www.audiopod.ai/dashboard/account/wallet 为钱包充值（按需付费，无订阅）

from audiopod import AudioPod
client = AudioPod()  # 使用 AUDIOPOD_API_KEY 环境变量
# 或者：client = AudioPod(api_key="ap_...")

AI 音乐生成

根据文本提示生成歌曲、说唱、伴奏、采样和人声。

任务类型： text2music（带人声的歌曲）、text2rap（说唱）、prompt2instrumental（伴奏）、lyric2vocals（仅人声）、text2samples（循环/采样）、audio2audio（风格迁移）、songbloom

Python SDK

# 生成带歌词的完整歌曲
result = client.music.song(
    prompt="欢快的流行音乐，合成器，鼓点，120 bpm，女声，电台品质",
    lyrics="主歌 1：\n阳光明媚的日子走在街上\n\n副歌：\n我们今晚激情燃烧！",
    duration=60
)
print(result["output_url"])

# 生成说唱
result = client.music.rap(
    prompt="Lo-Fi 嘻哈，100 BPM，男声说唱，忧郁，键盘和弦",
    lyrics="主歌 1：\n从底层开始，现在我们正在攀登...",
    duration=60
)

# 生成伴奏（无需歌词）
result = client.music.instrumental(
    prompt="氛围环境音景，振奋人心，驱动情绪",
    duration=30
)

# 通用生成，指定任务类型
result = client.music.generate(
    prompt="电子舞曲，高能量",
    task="text2samples",  # 任何任务类型
    duration=30
)

# 异步：提交后轮询
job = client.music.create(
    prompt="轻松 Lo-Fi 节拍",
    duration=30,
    task="prompt2instrumental"
)
result = client.music.wait_for_completion(job["id"], timeout=600)

# 获取可用流派预设
presets = client.music.get_presets()

# 列出/管理任务
jobs = client.music.list(skip=0, limit=50)
job = client.music.get(job_id=123)
client.music.delete(job_id=123)

cURL

# 带歌词的歌曲
curl -X POST "https://api.audiopod.ai/api/v1/music/text2music" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"欢快流行，合成器，120bpm，女声", "lyrics":"Walking down the street...", "audio_duration":60}'

# 说唱
curl -X POST "https://api.audiopod.ai/api/v1/music/text2rap" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Lo-Fi Hip Hop，男声说唱，100 BPM", "lyrics":"Started from the bottom...", "audio_duration":60}'

# 伴奏
curl -X POST "https://api.audiopod.ai/api/v1/music/prompt2instrumental" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"氛围音景，振奋人心", "audio_duration":30}'

# 采样/循环
curl -X POST "https://api.audiopod.ai/api/v1/music/text2samples" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"鼓点循环，悲伤情绪", "audio_duration":15}'

# 仅人声
curl -X POST "https://api.audiopod.ai/api/v1/music/lyric2vocals" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"干净人声，欢快", "lyrics":"Eternal chorus of unity...", "audio_duration":30}'

# 检查任务状态 / 获取结果
curl "https://api.audiopod.ai/api/v1/music/jobs/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 获取流派预设
curl "https://api.audiopod.ai/api/v1/music/presets" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 列出任务
curl "https://api.audiopod.ai/api/v1/music/jobs?skip=0&limit=50" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 删除任务
curl -X DELETE "https://api.audiopod.ai/api/v1/music/jobs/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

参数说明

字段	必填	描述
prompt	是	风格/流派描述
lyrics	用于歌曲/说唱/人声	带有主歌/副歌结构的歌词
audio_duration	否	时长（秒），默认 30
genre_preset	否	流派预设名称（从预设端点获取）
display_name	否	曲目显示名称

音轨分离

将音频分离为独立的乐器/人声轨道。

分离模式

模式	音轨数	输出	使用场景
single	1	仅指定音轨	人声隔离、鼓点提取
two	2	人声 + 伴奏	卡拉 OK 音轨
four	4	人声、鼓、贝斯、其他	标准混音（默认）
six	6	+ 吉他、钢琴	完整乐器分离
producer	8	+ 底鼓、军鼓、踩镲	节拍制作
studio	12	+ 镲片、次低音、合成器	专业混音
mastering	16	最大细节	音频分析

单音轨选项： vocals, drums, bass, guitar, piano, other

Python SDK

# 同步：提取并等待结果
result = client.stems.separate(
    url="https://youtube.com/watch?v=VIDEO_ID",
    mode="six",
    timeout=600
)
for stem, url in result["download_urls"].items():
    print(f"{stem}: {url}")

# 从本地文件
result = client.stems.separate(file="/path/to/song.mp3", mode="four")

# 单音轨提取
result = client.stems.separate(
    url="https://youtube.com/watch?v=ID",
    mode="single",
    stem="vocals"
)

# 异步：提交后轮询
job = client.stems.extract(url="https://youtube.com/watch?v=ID", mode="six")
print(f"任务 ID: {job['id']}")
status = client.stems.status(job["id"])
# 或等待：
result = client.stems.wait_for_completion(job["id"], timeout=600)

# 列出可用模式
modes = client.stems.modes()

# 任务管理
jobs = client.stems.list(skip=0, limit=50, status="COMPLETED")
job = client.stems.get(job_id=1234)
client.stems.delete(job_id=1234)

cURL

# 从 URL 提取
curl -X POST "https://api.audiopod.ai/api/v1/stem-extraction/api/extract" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -F "url=https://youtube.com/watch?v=VIDEO_ID" \
  -F "mode=six"

# 从文件提取
curl -X POST "https://api.audiopod.ai/api/v1/stem-extraction/api/extract" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -F "file=@/path/to/song.mp3" \
  -F "mode=four"

# 单音轨提取
curl -X POST "https://api.audiopod.ai/api/v1/stem-extraction/api/extract" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -F "url=URL" \
  -F "mode=single" \
  -F "stem=vocals"

# 检查任务状态
curl "https://api.audiopod.ai/api/v1/stem-extraction/status/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 列出可用模式
curl "https://api.audiopod.ai/api/v1/stem-extraction/modes" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 列出任务（按状态过滤：PENDING, PROCESSING, COMPLETED, FAILED）
curl "https://api.audiopod.ai/api/v1/stem-extraction/jobs?skip=0&limit=50&status=COMPLETED" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 获取特定任务
curl "https://api.audiopod.ai/api/v1/stem-extraction/jobs/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 删除任务
curl -X DELETE "https://api.audiopod.ai/api/v1/stem-extraction/jobs/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

响应格式

{
  "id": 1234,
  "status": "COMPLETED",
  "download_urls": {
    "vocals": "https://...",
    "drums": "https://...",
    "bass": "https://...",
    "other": "https://..."
  },
  "quality_scores": {
    "vocals": 0.95,
    "drums": 0.88
  }
}

文本转语音

使用 50 多种语音、支持 60 多种语言从文本生成语音。支持语音克隆。

语音类型

50 多种生产就绪语音 — 多语言，支持 60 多种语言，自动检测
自定义克隆 — 使用约 5 秒音频样本克隆任何语音

Python SDK

# 生成语音并等待结果
result = client.voice.generate(
    text="你好，世界！这是一个测试。",
    voice_id=123,
    speed=1.0
)
print(result["output_url"])

# 异步：提交后轮询
job = client.voice.speak(
    text="你好世界",
    voice_id=123,
    speed=1.0
)
status = client.voice.get_job(job["id"])
result = client.voice.wait_for_completion(job["id"], timeout=300)

# 列出所有可用语音
voices = client.voice.list()
for v in voices:
    print(f"{v['id']}: {v['name']}")

# 克隆语音（需要约 5 秒音频样本）
new_voice = client.voice.create(
    name="我的语音克隆",
    audio_file="./sample.mp3",
    description="从录音克隆"
)

# 获取/删除语音
voice = client.voice.get(voice_id=123)
client.voice.delete(voice_id=123)

cURL（原始 HTTP — 最可靠）

# 列出所有语音
curl "https://api.audiopod.ai/api/v1/voice/voice-profiles" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 生成语音（表单数据，非 JSON！）
curl -X POST "https://api.audiopod.ai/api/v1/voice/voices/{VOICE_UUID}/generate" \
  -H "Authorization: Bearer $AUDIOPOD_API_KEY" \
  -d "input_text=你好世界，这是一个测试" \
  -d "audio_format=mp3" \
  -d "speed=1.0"

# 轮询任务状态
curl "https://api.audiopod.ai/api/v1/voice/tts-jobs/{JOB_ID}/status" \
  -H "Authorization: Bearer $AUDIOPOD_API_KEY"

# SDK 风格端点（替代方案）
# 通过 SDK 端点生成
curl -X POST "https://api.audiopod.ai/api/v1/voice/tts/generate" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text":"你好世界","voice_id":123,"speed":1.0}'

# 通过 SDK 端点轮询
curl "https://api.audiopod.ai/api/v1/voice/tts/status/JOB_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 列出语音（SDK 端点）
curl "https://api.audiopod.ai/api/v1/voice/voices" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

# 克隆语音
curl -X POST "https://api.audiopod.ai/api/v1/voice/voices" \
  -H "X-API-Key: $AUDIOPOD_API_KEY" \
  -F "name=我的语音" \
  -F "file=@sample.mp3" \
  -F "description=克隆语音"

# 删除语音
curl -X DELETE "https://api.audiopod.ai/api/v1/voice/voices/VOICE_ID" \
  -H "X-API-Key: $AUDIOPOD_API_KEY"

生成参数

字段	必填	描述
input_text	是	要朗读的文本（最多 5000 字符）。原始 HTTP 用 `input_text`，SDK 用 `text`
audio_format	否	mp3, wav, ogg（默认：mp3）
speed	否	0.25 - 4.0（默认：1.0）
language	否	ISO 语言代码，省略则自动检测

响应格式

// 生成响应
{"job_id": 12345, "status": "pending", "credits_reserved": 25}

// 状态响应（已完成）
{"status": "completed", "output_url": "https://r2-url/generated.mp3"}

重要说明

原始 HTTP 生成端点使用表单数据，而非 JSON。字段是 input_text 而非 text
SDK 端点（/api/v1/voice/tts/generate）使用 JSON，字段为 text
输出文件可能是 WAV 伪装成 .mp3 — 使用 ffmpeg -i output.mp3 -c:a aac real.m4a 转换
每次生成约 55 积分，基于钱包计费

说话人分离

通过自动语音分割分离音频中的不同说话人。

Python SDK

```python

分割并等待结果

result = client.speaker.identify(
file="./meeting.mp3",
num_speakers=3, # 可选提示，提高准确性
timeout=600
)
for segment in result["segments"]:
print(f"说话人 {segment['speaker']}: {segment['text']} [{segment['start']:.1f}s - {segment['end']:.1f}s]")

从 URL

result = client.speaker.identify(
url="https://youtube.com/watch?v=VIDEO_ID",
num_speakers=2
)

异步：提交后轮询

job = client.speaker.diarize(
file="./meeting.mp3",
num_speakers=3
)
result = client.speaker.wait_for_completion(job["id"], timeout=600)

任务管理

jobs = client.speaker.list(skip=0, limit=50, status="COMPLETED")
job = client.speaker.get(j

技能包地址：https://github.com/openclaw/skills/tree/main/skills/rakesh1002/audiopod/SKILL.md

3 次点击 ∙ 0 人收藏

登录后收藏

目前尚无回复

0 条回复