核心功能
AudioPod AI 是一套基于云端的音频处理 API 平台，专注于六大核心场景：音轨分离（Stem Separation）、文本转语音（TTS）、降噪处理、语音转文字、说话人分离和媒体提取。支持从 YouTube 链接或本地文件直接处理，异步任务模式适合大文件场景。
显著优点
1. 音轨分离专业度高：提供从单轨到 16 轨（mastering 模式）的多级分离方案，覆盖 vocals/drums/bass/guitar/piano/kick/snare/hihat 等精细分类，超越主流开源方案（如 Spleeter 的 4 轨）。
2. 多模型转录：集成 WhisperX、Whisper-Timestamped、Faster-Whisper 三种转录引擎，支持说话人分离（diarization）和词级时间戳，适合播客、会议记录。
3. 多语言 TTS：50+ 声音、60+ 语言覆盖，满足全球化内容需求。
4. 多语言 SDK：提供 Python 和 Node.js 官方 SDK，降低接入门槛。
局限与风险
- 文档/SDK 不同步：已知
mode="two"可能挂起，SDK 端点可能过时，需直接核对 API 文档 - 格式陷阱：TTS 输出可能为 WAV 但标记为 .mp3，需用 ffprobe 验证
- 商业成本：全功能需付费 API Key，高频调用成本需评估
- 数据隐私：音频文件上传至云端处理，敏感内容需谨慎
适合人群
音乐制作人（ remix/采样）、播客创作者（降噪/转录/分离）、视频创作者（TTS 配音）、开发者（集成音频处理管线）。