audio-ducking

Name: audio-ducking
Author: sonilo-ai

github.com/sonilo-aiクリエイティブ・メディア1171.2k 回インストール1 日前に更新

リポジトリ

audio-ducking について

音声のある間は音楽の音量を下げ、無音部分では戻すSoniloの音声処理スキルです。音声または動画を声の入力にでき、動画の場合はミックス音声を再多重化したMP4を出力します。

主な機能

01音声に合わせた音楽音量の自動調整
02ローカルファイルまたはHTTPS入力
03音声・動画を声の入力に指定
04WAVまたは再多重化MP4を出力

活用シーン

01インタビュー動画に既存のBGMを追加
02ナレーションとBGMの聞き分けを調整

MCP 対応

SoniloのMCPツール `audio_ducking` は、音声と音楽のファイルまたはURLを受け取り、ミックス結果を返します。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/sonilo-ai/skills --skill audio-ducking

インストール後、Claude Code で/audio-duckingを入力して読み込まれたか確認します。

詳細

Sonilo オーディオダッキング

音声トラックの下で音楽の音量を自動調整します。Sonilo は、音声が話している箇所では音楽の音量を下げ、無音の間は元に戻して、ミックスした結果を返します。音声入力には動画も指定できます。その場合、動画の音声トラックが音声として使われ、ダッキングしたミックスが新しい動画に多重化されます。

セットアップ： setup-api-key スキルを参照してください。

⚠️ 料金： 料金が発生する可能性のある API 呼び出しを行います。明示的に依頼された場合にのみ呼び出してください。

トランスポート：MCP または CLI

セッション開始時にどちらかを選び、最後までその方法を使ってください。1 つのジョブ内で両方を混在させないでください。また、選択した方法を伝える必要はありません。

このセッションで Sonilo MCP ツール（audio_ducking など）が利用できる場合 — それらを使ってください。これが推奨される方法です。シェルが不要で、非常に長い生成でも唯一利用できる方法です。入力に問題があるのではなく認証に失敗した場合、このセッションではこのトランスポートを利用できません。再試行せず、2 に進んでください。
利用できる Sonilo MCP ツールはないが、sonilo account が終了コード 0 を返す場合 — 以下の CLI コマンドを使ってください。API、アカウント、認証情報ファイルは同じです。確認には sonilo whoami ではなく sonilo account を使ってください。サインアウト中でも whoami は終了コード 0 を返すため、2 つの状態を区別できません。
どちらも該当しない場合 — 停止して、setup-api-key スキルを実行してください。回避策として curl で api.sonilo.com を呼び出さないでください。どちらのトランスポートも、単独のリクエストでは処理できないアップロード、ポーリング、再試行に対応しています。

クイックスタート

MCP ツールの呼び出し（推奨）

audio_ducking(
    voice_path="~/Desktop/interview.mp4",
    music_path="~/Desktop/background-track.wav"
)

Python（`pip install "sonilo>=0.13"`）

from sonilo import Sonilo

client = Sonilo()  # reads SONILO_API_KEY

result = client.audio_ducking.generate(
    voice="interview.mp4",  # audio or video; also voice_url=
    music="background-track.wav",  # audio only; also music_url=
)
result.save("ducked.mp4" if result.output_type == "video" else "ducked.wav")

JavaScript / TypeScript（`npm install sonilo@>=0.14`）

import { SoniloClient, download } from "sonilo";
import { writeFile } from "node:fs/promises";

const client = new SoniloClient(); // reads SONILO_API_KEY

const result = await client.audioDucking.generate({
  voice: "./interview.mp4", // audio or video; also voiceUrl
  musicUrl: "https://example.com/background-track.wav", // audio only; also music
});
await writeFile(
  result.output_type === "video" ? "ducked.mp4" : "ducked.wav",
  await download(result.output_url!),
);

CLI（`npm install -g sonilo-cli` または `pip install sonilo-cli`）

sonilo audio-ducking --voice interview.mp4 --music-url https://example.com/background-track.wav

内部では常に非同期で処理されます。CLI が送信とポーリングを代行します。--voice／--voice-url のいずれか 1 つと、--music／--music-url のいずれか 1 つを指定してください。出力ファイル名は、返されるファイルに応じてデフォルトで決まります（output.wav、音声入力が動画の場合は output.mp4）。--output で上書きできます。ローカルの --music ファイルには音声拡張子が必要です。MCP ツールと同じ理由で、CLI は動画を指定すると最初に拒否します。

cURL（MCP ホストを介さない REST API の直接呼び出し）

curl -X POST "https://api.sonilo.com/v1/audio-ducking" \
  -H "Authorization: Bearer $SONILO_API_KEY" \
  -F "[email protected]" \
  -F "[email protected]"
# -> {"task_id": "..."}  poll GET /v1/tasks/{task_id}

ローカルファイルにはマルチパートフィールド voice_file／music_file を使います。リモートソースには代わりにフォームフィールド voice_url／music_url を使います（2 つの入力は自由に組み合わせられます）。

ツール

ツール	説明
`audio_ducking(voice_path? \| voice_url?, music_path? \| music_url?, output_directory?)`	`voice` の下で `music` をミックスし、音声が話している箇所では自動的に音量を下げます。

パラメーター

パラメーター	型	備考
`voice_path`	string	絶対パス、または `SONILO_MCP_BASE_PATH` からの相対パスです。音声または動画：`.wav/.mp3/.m4a/.aac/.ogg/.flac` または `.mp4/.mov/.avi/.wmv/.webm/.mkv`。
`voice_url`	string	音声または動画の HTTPS URL です。`voice_path`／`voice_url` のいずれか 1 つを指定してください。
`music_path`	string	絶対パス、またはベースパスからの相対パスです。音声のみ — ここで動画を指定しても特別な処理は行われず、正しく扱われません。
`music_url`	string	音声の HTTPS URL です。`music_path`／`music_url` のいずれか 1 つを指定してください。
`output_directory`	string	デフォルトは `SONILO_MCP_BASE_PATH` です。

各入力は 360 秒（6 分） まで、かつアカウントのアップロードサイズ上限（通常 300 MB）までです。

ワークフローのヒント

このツールは、すでに存在する2つのトラックを使用します。音楽や効果音自体を生成するものではありません。先に音楽のベッドを生成する必要がある場合は、text-to-music または video-to-music スキル（text_to_music／video_to_music）を使用し、生成結果を music_path としてここに渡してください。
音声入力には動画も使用できます。 ユーザーからトークヘッド動画やインタビュー動画と別の音楽ファイルを受け取った場合は、動画をそのまま voice_path として渡してください。Sonilo が音声トラックを抽出し、その下に音楽をダッキングしてから、ダッキング済みのミックスを新しい動画に自動で再多重化します。
同じ動画用の音楽自体も生成する場合は、video-to-sound または video_to_music(ducking=true) を優先してください。 これらのツールは生成時に内部でダッキングするため、別途ダッキングを呼び出す必要はありません。音楽トラックが固定または外部のもので、ミックスだけが必要な場合は、audio_ducking を使用してください。

タイムアウトした呼び出しの再開

このツールはバックエンドで非同期タスクを送信します。呼び出しがタイムアウトした場合、エラーには task_id が含まれます。ジョブは実行を続けています（料金はすでに発生しています）。後で get_sfx_task(task_id) を呼び出してください（ホスト型サーバーでは get_generation_task(task_id)）。task-recovery を参照してください。

出力ファイル

ファイルは1つです。音声入力の場合は .wav、動画入力の場合はダッキング済みのミックスを再多重化した .mp4 です。音声入力のファイル名が使われます（例：interview.mp4 → interview-ducked.mp4）。元の名前を使えない場合は、ducked-<first 8 chars of the task id> になります。

エラー処理

よくあるエラー：401 無効なキー、402 残高不足／トライアル終了、413 ファイルサイズが大きすぎる、422 パラメーターが無効、429 レート制限。account スキルを参照してください。

Markdown 対応

ログインしてコメント

基本情報

作者: sonilo-ai
リポジトリ: sonilo-ai/skills
カテゴリ: クリエイティブ・メディア
インストール数: 1,228
GitHub スター: 117

問題を報告

おすすめの Skills

すべての Skills

ai-video-generation

github.com/inference-sh

1.7M

inference.sh CLI で Google Veo、Seedance 2.0、HappyHorse、Wan、Grok など 40 以上のモデルを使って AI 動画を生成する。モデル：Veo 3.1、Seedance 2.0、HappyHorse 1.0、Wan 2.5、Grok Imagine Video、OmniHuman、Fabric、HunyuanVideo。機能：テキストから動画、画像から動画、参照から動画、動画編集、リップシンク、アバターアニメーション、動画アップスケーリング、フォーリー音。用途：ソーシャルメディア動画、マーケティングコンテンツ、解説動画、製品デモ、AI アバター。トリガー：video generation、ai video、text to video、image to video、veo、animate image、video from image、ai animation、video generator、generate video、t2v、i2v、ai video maker、create video with ai、runway alternative、pika alternative、sora alternative、kling alternative、seedance、happyhorse

ai-image-generation

github.com/inference-sh

1.7M

inference.sh CLI で GPT-Image-2.5、FLUX、Gemini、Grok、Seedream、Reve など 50 以上のモデルを使って AI 画像を生成する。モデル：GPT-Image-2.5 Flare、GPT-Image-2.5 Sunburst、GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt。機能：テキストから画像、画像から画像、インペインティング、LoRA、画像編集、アップスケーリング、テキストレンダリング。用途：AI アート、製品モックアップ、コンセプトアート、ソーシャルメディア用グラフィック、マーケティングビジュアル、イラスト。トリガー：flux、image generation、ai image、text to image、stable diffusion、generate image、ai art、midjourney alternative、dall-e alternative、text2img、t2i、image generator、ai picture、create image with ai、generative ai、ai illustration、grok image、gemini image、gpt image、openai image、chatgpt image

ai-avatar-video

github.com/inference-sh

1.7M

inference.sh CLI で AI アバターやトーキングヘッド動画を作成します。おすすめ：P-Video-Avatar（最速、最安、TTS 内蔵）。その他：OmniHuman、Fabric、PixVerse。音声：Inworld TTS-2（100以上の言語に対応し、キャラクターの感情を調整可能）、ElevenLabs、Kokoro。機能：音声駆動アバター、テキストからアバター、リップシンク動画、トーキングヘッド生成、バーチャルプレゼンター、UGC コンテンツ。用途：AI プレゼンター、解説動画、バーチャルインフルエンサー、吹き替え、マーケティング動画、UGC 広告、ゲームアバター、NPC の会話。トリガー：ai avatar、talking head、lipsync、avatar video、virtual presenter、ai spokesperson、audio driven video、heygen alternative、synthesia alternative、talking avatar、lip sync、video avatar、ai presenter、digital human、ugc、ugc video、ugc ad、avatar ugc

remotion-render

github.com/inference-sh

1.6M

inference.sh を介して React/Remotion コンポーネントコードから動画をレンダリングします。TSX コードを渡すと MP4 を取得できます。useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence など、すべての Remotion API に対応します。解像度、FPS、長さ、コーデックを設定できます。用途：プログラムによる動画生成、アニメーショングラフィック、モーションデザイン、データ駆動型動画、React アニメーションの動画化。トリガー：remotion、render video from code、tsx to video、react video、programmatic video、remotion render、code to video、animated video、motion graphics code、react animation video

audio-ducking

audio-ducking について

主な機能

活用シーン

MCP 対応

インストール

詳細

Sonilo オーディオダッキング

トランスポート：MCP または CLI

クイックスタート

MCP ツールの呼び出し（推奨）

Python（pip install "sonilo>=0.13"）

JavaScript / TypeScript（npm install sonilo@>=0.14）

CLI（npm install -g sonilo-cli または pip install sonilo-cli）

cURL（MCP ホストを介さない REST API の直接呼び出し）

ツール

パラメーター

ワークフローのヒント

タイムアウトした呼び出しの再開

出力ファイル

エラー処理

コメント

Python（`pip install "sonilo>=0.13"`）

JavaScript / TypeScript（`npm install sonilo@>=0.14`）

CLI（`npm install -g sonilo-cli` または `pip install sonilo-cli`）