Audio Enhancement Skill#

功能：本地音频增强与修复统一工具，集成 VoiceFixer（语音降噪/修复）和 AudioSR（高保真超级分辨率）。支持单文件与目录批量处理，自动适配最合适的增强模式，输出清晰、高质量的 48kHz WAV 文件。

触发时机（Triggers）#

• 用户提供音频文件（.wav、.mp3、.flac、.m4a、.ogg 等）或音频文件夹路径，并表达增强音质、修复、降噪、高保真等意图。
• 用户说“音频增强”“修复录音”“降噪”“提升音质”“高保真”“48kHz”等关键词。
• 支持单个文件处理或整个文件夹批量处理（支持递归子目录）。

支持的两种增强模式#

1. VoiceFixer 通用语音修复（默认模式）
   • 擅长语音降噪、提升清晰度、修复轻微失真。
   • 推荐用于：会议录音、访谈、播客、语音笔记、老旧录音。
2. AudioSR 高保真音频超级分辨率（启用 --hifi 时）
   • 将音频提升至 48kHz，显著增加高频细节和整体保真度。
   • 推荐用于：音乐、演唱、人声、需要高音质的场景。

参数提取指南#

当决定调用此技能时，请从用户消息中准确提取以下参数：

1. <输入路径> (必填): 用户提供的音频文件路径或文件夹路径（支持相对/绝对路径）。

2. <输出路径> (选填): 用户指定的输出文件或目录路径。若未指定，默认在输入同级目录自动添加 _enhanced 后缀。

3. <模式选择> (选填):

   • 默认使用 VoiceFixer。
   • 若用户提到“高保真”“音乐”“48kHz”“超分辨率”等，自动添加 --hifi 并使用 AudioSR。

4. VoiceFixer 专用参数（默认模式）:

   • --mode：0/1/2（推荐 1，默认 1）
   • --cuda：是否使用 GPU
   • -r, --recursive：是否递归子目录

5. AudioSR 专用参数（ --hifi 模式）:

   • --model_name： basic 或 speech（人声推荐 speech）
   • --ddim_steps：扩散步数（默认 50，建议 50-100）
   • --guidance_scale：引导尺度（默认 3.5）
   • --seed：随机种子（默认 42）
   • --device： cuda 或 cpu

执行步骤#

1. 解析路径：识别用户提供的音频文件或文件夹路径。

2. 模式判断：根据用户意图判断使用 VoiceFixer（默认）还是 AudioSR（含 --hifi）。

3. 默认目标：若未指定输出路径，默认在输入目录生成带 _enhanced_48k（AudioSR）或 _enhanced（VoiceFixer）后缀的文件。

4. 调用命令：使用以下兼容性命令启动脚本（优先 python3，失败则 python）。脚本会自动检查环境、初始化模型并处理。 bash

   (python3 scripts/enhancer.py -i "<输入路径>" [-o "<输出目录>"] [-m <0|1|2>] [--cuda] [-r] [--hifi] [--model_name <basic|speech>] [--ddim_steps <数值>] [--guidance_scale <数值>] [--seed <数值>] [--device <cuda|cpu>] [--re] [--nfe <数值>] [--solver <euler|midpoint|rk4>] [--lambd <数值>] [--tau <数值>]) || (python scripts/enhancer.py -i "<输入路径>" [-o "<输出目录>"] [-m <0|1|2>] [--cuda] [-r] [--hifi] [--model_name <basic|speech>] [--ddim_steps <数值>] [--guidance_scale <数值>] [--seed <数值>] [--device <cuda|cpu>] [--re] [--nfe <数值>] [--solver <euler|midpoint|rk4>] [--lambd <数值>] [--tau <数值>])