Agent Skills
返回列表
音频压缩工具

音频压缩工具

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_0d986f77/audio-compress。

技能介绍

要解决什么问题

飞书等场景里，一段几分钟的语音消息很容易到 10MB 以上（例如 320kbps 立体声），超出平台限制或拖慢上传。你往往不需要 CD 级音质，只需要听清人声、文件小到能发出去。

本技能把「压到多少 MB」当成明确目标（默认约 2–3MB），而不是盲目拉低码率；压缩结果写回原文件所在目录，便于和原始素材对照。

技能如何工作

底层依赖 ffmpeg，针对以人声为主的素材做了固定参数组合：

  • 声道：合并为单声道（mono），体积大约减半，对白场景通常足够
  • 采样率：22050 Hz，覆盖常见人声频段
  • 码率：64 kbps MP3，在体积与可懂度之间折中
  • 格式：MP3，兼容性最好

资料中的参考样例：约 11 MB / 4 分 28 秒 / 320kbps 立体声 → 约 2.1 MB / 同长度 / 64kbps 单声道，压缩比大约 5:1。时长与原始文件一致，不会裁切或变速。

调用方式上，技能支持终端命令、Python 脚本，以及让 Hermes Agent 直接执行同一套压缩流程。

适用边界与注意

  • 音乐或复杂混音：64kbps 可能发糊，资料建议这类内容用 96kbps 及以上
  • 立体声：会强制变为单声道；纯人声影响小，依赖左右声像的内容会丢失空间信息
  • 环境：需要本机已安装 ffmpeg 与 Python 3；具体命令与验证步骤以 SKILL.md 为准

使用场景

  • 飞书发语音前，原文件超过平台大小限制，需要压到约 2–3MB 再上传，避免发送失败。
  • 收到十几 MB 的会议或访谈录音，要在保持人声可懂的前提下缩小体积，便于微信或邮件转发。
  • 同一目录下有多段大体积音频，希望通过终端或 Python 脚本批量压到目标大小并输出到原文件夹。
  • 口播、采访等人声为主的素材需要控体积交付，不要求保真音乐，但要时长不变、对白清晰。

适合人员

  • 日常在飞书发长语音、频繁碰到「文件过大」无法发送的一线销售或项目经理
  • 要把客户或同事发来的大体积语音压小后写入工单/CRM 附件字段的客服或运营负责人
  • 维护 Hermes/Agent 工作流、需要在原目录落盘压缩结果以便后续脚本读取的集成开发者
  • 剪辑或后期助理：先收 raw 人声录音，在 64kbps 单声道可接受的前提下控体积再交给粗剪