跳转到主要内容
POST
获取人声音轨
从音频片段中提取人声音轨。返回的 id 即 vox_audio_id,用于 创建 Persona — 构建可用于 task=inspiration 且 persona_style: "vox" 的 Vox Persona 的第一步。
此端点直接返回结果(不是任务 ID)。提取过程是同步处理的。
可选 vocal_start_s / vocal_end_s 指定截取区间。都不传则用 45 和 74(与旧平台一致)。歌短于 74 秒,或要别的区间,就显式传入。

请求体

string
必填
要从中提取人声的音频片段 ID。
number
人声区间起点(秒)。不传 → 45。
number
人声区间终点(秒)。不传 → 74。

响应

string
人声音频 ID。创建角色时作为 vox_audio_id 使用。
string
提取状态(例如 "complete")。
string
被处理的原始片段 ID。
number
检测到的人声开始时间(秒)。
number
检测到的人声结束时间(秒)。
string
提取的人声音频文件 URL。

示例

响应示例

工作流程:创建 Vox Persona

  1. Get Vox Stem — 提取人声,将返回的 id 作为 vox_audio_id
  2. 创建 Persona — clip_id 传 root_clip_id,并设置 root clip 上的人声范围
创建 Persona 时的 vocal_start_s / vocal_end_s 表示 root clip 上的有效人声范围(常为 0 至 clip 总时长),不是 getVoxStem 的请求字段(后者不传则默认 45–74)。
在 Inspiration 生成 中使用该 Persona:persona_style: "vox",artist_clip_id 设为 Persona 的 root_clip_id。