---name: byted-mediakit-audioversion: 0.2.1license: MITdescription: 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: metadata: requires: bins: ["mediakit-cli"]cliHelp: mediakit-cli audio --helpproduct: mediakit-cli/skillsdomain: audiocapability_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。

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	用于语音端点识别。自动定位音频或视频文件中有效语音的起止时间。将人声和静音、背景噪声等无效片段区分开来。返回包含所有有效人声片段起止时间戳的列表。	Cloud	mediakit-cli audio detect-voice-activity	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 audio probe-audio-metadata	reference/probe-audio-metadata.md
separate-voice	用于人声背景声分离，可将音频或视频文件中的人声与背景音精准分离，输出为两个独立的音频文件。	Cloud	mediakit-cli audio separate-voice	reference/separate-voice.md
transcode-audio	音频转码将一个音频码流转换为另一个音频码流，通常涉及编码格式、编码参数和封装格式的转换，用于适应不同业务场景、播放终端和网络环境。	Cloud	mediakit-cli audio transcode-audio	reference/transcode-audio.md