核心用法
AudioPod 是一个纯文档型 Skill，本质为 AudioPod AI 云端音频处理服务的完整 API 参考手册。用户可通过该 Skill 获取以下能力的调用方式：
- AI 音乐生成：text2music（完整歌曲）、text2rap（说唱）、prompt2instrumental（纯伴奏）、lyric2vocals（纯人声）、text2samples（采样循环）、audio2audio（风格迁移）
- Stem 分离：支持 1/2/4/6/8/12/16 轨分离模式，从单一人声提取到完整母带级分轨
- 语音合成：50+ 多语言语音（含 30 个 Gemini 印地语自动检测语音、10 个 OpenAI 英语语音），支持 5 秒样本克隆
- 说话人分离：自动声纹 diarization，支持 2-5 人会议场景
- 语音转录：支持 YouTube/URL/本地上传，输出 JSON/SRT/VTT/TXT，含词级时间戳与说话人标注
- 降噪处理：一键去除背景噪声
- 钱包管理：余额查询、成本预估、用量统计
调用方式涵盖 Python SDK（pip install audiopod）、Node.js SDK（npm install audiopod）及原生 cURL，所有接口均采用 X-API-Key 或 Authorization: Bearer 认证。
显著优点
1. 功能覆盖极全：单一平台解决从创作（音乐生成）到后期（分离/降噪/转录）的全流程需求，减少多供应商对接成本。
2. 分离精度行业领先：16 轨 "mastering" 模式支持 kick/snare/hihat/cymbals/sub_bass/synth 等细粒度分离，满足专业制作与司法鉴定需求。
3. 多语言语音合成：Gemini 系列特别优化印地语自动检测，对南亚内容创作者友好。
4. 成本透明可预估：内置 /api-wallet/estimate-cost 与 /api-wallet/check-balance 端点，按量付费无订阅陷阱。
5. 安全认证顶级：CLS-Certify 六维检测全部满分（静态代码、动态行为、依赖审计、网络分析、隐私合规、威胁情报），获评 S 级（100分）。
潜在缺点与局限性
1. 纯文档无执行能力：Skill 本身不含可执行代码，用户需自行编写调用逻辑并处理异步轮询、错误重试、文件下载等工程细节。
2. 外部依赖单一供应商：所有功能依赖 audiopod.ai 商业服务，存在供应商锁定风险；若服务下线或调价，迁移成本较高。
3. T3 来源可信度：维护者为个人开发者（非企业实体），虽通过安全扫描，但长期维护承诺与商业稳定性弱于 T1/T2 来源。
4. TTS 格式陷阱：输出文件存在 "WAV 伪装成 MP3" 现象，需 ffmpeg 二次转换，增加处理链路复杂度。
5. API 密钥管理责任：Skill 不处理密钥，但示例代码若被直接复制使用，易导致密钥泄露至日志或版本控制。
适合人群
- 独立音乐人/制作人：快速生成 demo、提取伴奏、分离音轨用于 remix
- 播客/视频创作者：语音克隆、降噪、自动生成字幕（SRT/VTT）
- 开发者/技术团队：构建音频处理自动化管线，需完整 API 文档参考
- 多语言内容生产者：尤其需印地语语音合成的南亚市场用户
常规风险
- 数据隐私：音频文件上传至第三方云（Cloudflare R2），敏感内容需评估合规性
- 成本失控：音频生成与分离按秒计费，长时长高轨数任务可能产生意外费用，建议先用
estimate_cost 预检 - 服务连续性：个人维护项目存在更新滞后或弃坑风险，关键业务建议fork文档自建维护
- 版权模糊：AI 生成音乐的版权归属因司法管辖区而异，商用前需法律审核