功能介绍
人声背景音分离（也称为音频分离或音伴分离）是指将音视频中的人声与背景音（如环境噪音、BGM 音乐、其他杂音等）精准高效地分离开。实现为音频或视频文件分离人声和背景音的功能，帮助您轻松提取人声干声或获取纯净伴奏。
人声背景音分离功能基于先进的音频处理算法（如深度学习、频谱分析等）技术，通过对音频信号进行多维度分析，识别并捕捉人声与背景音在频谱、时域、音色等方面的差异，利用智能算法模型对两者进行分离。分离过程中，能够最大程度地保留人声和背景音各自的完整性和音质，确保分离后的人声干声清晰可辨，背景音自然流畅，为后续的音视频处理和应用提供高质量的音频素材。
适用场景
人声凸显优化
对于来源复杂的视频，如手机拍摄的生活记录、现场录制的讲座、非专业播词录音等，通过人声背景音分离功能将人声单独分离后，可以定向对人声部分进行处理，如提升音量、优化音质、降低噪音等，显著提高音频中人声的清晰度。
视频翻译领域的声音复刻
在视频翻译时，借助人声背景音分离功能，可将视频中的人声单独提取出来，进行语音复刻，使其在音色、语调等方面与原人声保持高度一致，再结合 TTS 技术将翻译后的文本转换为对应语言的语音。
语音识别 ASR 优化
对音频进行人声提取后，将纯净的人声部分用于自动语音识别，能有效减少背景噪音等干扰因素对识别过程的影响，让 ASR 的整体准确率得到显著提升。
视频剪辑与二次创作
在视频剪辑和二次创作中，分离后的人声和背景音可分别进行处理，例如调整视频中某段对话的音量，或更换视频的背景音乐，使二次创作更加灵活高效。
能力边界
支持的输入格式：
视频格式： MP4、FLV、RM、RMVB、MPEG、MOV、AVI、MPEGTS、WMV、3GP、TS、MPG、WEBM、MKV、WM、MP4V、M4V、F4V、MXF
音频格式： MP3、M4A、WAV、ACC、WMA、AMR、OGG、FLAC
支持的视频分辨率： 240p～4k
支持的输出格式：
人声音频 MP3 文件
背景音音频 MP3 文件