人声分离

Knox 在 https://api.knoxstudio.ai/v1 上为 KnoxStudio 提供与 ElevenLabs 兼容的**人声分离（Voice Isolator）**接口。使用 Knox API key 认证（Authorization: Bearer sk-... 或 xi-api-key）。Knox 负责计费并向上游转发请求。https://api.knox.chat/v1 提供相同路由。

这不是 语音转文本，也不是 语音转换。人声分离把混合的音频或视频变成干净人声。

典型流程：

1. 列出模型 — GET /v1/audio-isolation/models
2. 分离 — POST /v1/audio-isolation
3. 或流式分离 — POST /v1/audio-isolation/stream

https://api.knoxstudio.ai/v1
Authorization: Bearer sk-...

把官方 ElevenLabs SDK 的 Base URL 指向 Knox，并用 Knox key 作为 xi-api-key 即可调用。

模型与计费

人声分离模型不是 /v1/models 那份目录。请获取：

curl https://api.knoxstudio.ai/v1/audio-isolation/models

model_id	说明	价格
audio_isolation	默认。去除背景噪声并分离人声。单次最长 1 小时。	每音频分钟 $0.17

Multipart 上传最大 500MB。音频至少 100ms。历史列表和删除不计费。

未认证的目录请求限制为每分钟 60 次，并且可能被缓存 5 分钟。携带 Bearer token 时，仅返回该 token 被允许使用的模型。

分离人声

发送带 audio 文件的 multipart/form-data。可选 file_format 为 pcm_s16le_16（16 kHz 16-bit PCM）或 other（MP3 / WAV 等编码文件的默认值）。

cURL

curl -X POST https://api.knoxstudio.ai/v1/audio-isolation \
     -H "Authorization: Bearer $KNOXCHAT_API_KEY" \
     -F "audio=@interview.wav" \
     -F "file_format=other" \
     -o vocals.mp3

Python

import os
import requests

with open("interview.wav", "rb") as audio:
    response = requests.post(
        "https://api.knoxstudio.ai/v1/audio-isolation",
        headers={"Authorization": f"Bearer {os.environ['KNOXCHAT_API_KEY']}"},
        files={"audio": audio},
        data={"file_format": "other"},
    )
response.raise_for_status()
open("vocals.mp3", "wb").write(response.content)

成功时返回分离后的音频字节。未知 multipart 字段会原样转发到上游。

相关端点

目标	端点
流式分离	POST /v1/audio-isolation/stream
列出分离历史	GET /v1/audio-isolation/history
删除历史条目	DELETE /v1/audio-isolation/history/{history_item_id}

历史 page_size 为 1–1000（默认 100）。page 必须 ≥ 1。

错误

这些端点返回 { "detail": "..." }，校验失败时为 HTTP 422：{ "detail": [{ "loc": [...], "msg": "...", "type": "value_error" }] }。

常见状态：401 缺少/无效 key，402 余额不足，403 token 无权使用该模型，422 缺少 audio、超过 1 小时或 file_format 无效。