专业级音频处理与转换工具，集成 FFmpeg 生态实现降噪、响度标准化、格式转换、AI 转写等全链路音频工作流。
说明：
## 核心用法
**Audio** skill 是一套基于 FFmpeg 生态的专业音频处理解决方案，覆盖从基础格式转换到复杂播客制作的全场景需求。
**执行流程：**
1. **明确目标** — 确定输出格式、目标平台响度标准、用途
2. **源码分析** — 使用 `ffprobe` 提取编码器、采样率、声道、时长等元数据
3. **音频处理** — 调用 FFmpeg/SoX 执行转换、降噪、标准化、变速等操作
4. **质量验证** — 检查输出文件可播放性、规格符合度、主观听感
5. **交付归档** — 向用户提供处理后的文件
**典型应用场景：**
– **格式转换**：WAV/FLAC/MP3/AAC/Opus 互转，支持 `-acodec` 精细控制
– **降噪处理**：FFmpeg 滤镜或 SoX 实现高通/低通滤波、专用降噪算法
– **响度标准化**：集成 `ffmpeg-normalize`，支持 Spotify (-16 LUFS)、Apple Podcasts (-19 LUFS) 等平台标准
– **AI 转写**：调用 Whisper 模型输出 TXT/SRT/VTT 字幕文件
– **音轨分离**：Demucs 实现人声/鼓/贝斯/伴奏四轨分离
– **播客制作**：完整 workflow 支持从录制到发布的全流程
## 显著优点
– **工业级工具链**：基于 FFmpeg（开源多媒体事实标准），20+ 年生态积累，兼容性极广
– **平台标准化**：内置主流平台响度规范，避免反复调试
– **模块化扩展**：核心依赖仅 ffmpeg/ffprobe，SoX/Whisper/Demucs 按需加载
– **透明可控**：纯本地执行，不上传云端，用户完全掌控数据
## 潜在局限
– **环境依赖**：需预装 FFmpeg，进阶功能依赖额外二进制文件
– **学习曲线**：FFmpeg 参数语法复杂，需参考 `commands.md` 速查表
– **无持久存储**：不缓存处理结果，重复任务需重新执行
– **本地算力限制**：Whisper/Demucs 大模型运行依赖本地 GPU/CPU 性能
## 适合人群
– 播客创作者、音频后期制作人员
– 内容转写、字幕制作工作者
– 需要批量格式转换的媒体库管理者
– 追求数据隐私的敏感场景用户（纯本地处理）
## 常规风险
– **格式兼容性**：FFmpeg 虽强大，但部分专有编码器需确认专利授权
– **音质损失**：重复编解码或过度压缩（如 96k MP3）导致不可逆音质劣化
– **响度误判**：自动化标准化可能不符合特定艺术意图，建议保留原始母带
– **转写准确性**：Whisper 对专业术语、多说话人场景识别准确率有限
– **资源占用**：大文件处理或模型推理时高 CPU/内存占用
会员专属
