Media
通过重建超过最大振幅的峰值来修复削波音频。恢复来自过度驱动录音或增益过大的失真音频
用三种语言从你的代码中调用此工具。
# 1) Upload each file first → returns { filePath }
curl -X POST 'https://api.elysiatools.com/upload/audio-declip' \
-F 'file=@/path/to/audioFile.ext'
# 2) Call the tool with the returned filePath values
curl -X POST 'https://api.elysiatools.com/zh/api/tools/audio-declip' \
-F 'audioFile=/path/to/file.ext' \
-F 'recoveryLevel=balanced' \
-F 'detectionThreshold=auto' \
-F 'postNormalize=balanced'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST https://api.elysiatools.com/zh/api/tools/audio-declip| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| audioFile | file需先上传 | 是 | — |
| recoveryLevel | select | 是 | — |
| detectionThreshold | select | 是 | — |
| postNormalize | select | 是 | — |
文件结果
{
"filePath": "/public/processing/randomid.ext",
"fileName": "output.ext",
"contentType": "application/octet-stream",
"size": 1024,
"metadata": {
"key": "value"
},
"error": "Error message (optional)",
"message": "Notification message (optional)"
}将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置：
{
"mcpServers": {
"elysiatools-audio-declip": {
"name": "audio-declip",
"description": "通过重建超过最大振幅的峰值来修复削波音频。恢复来自过度驱动录音或增益过大的失真音频",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=audio-declip",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后，列出已开放的工具：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用，参数由其参数表构建：
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "audio-declip",
"arguments": {
"audioFile": "https://example.com/file.ext",
"recoveryLevel": "balanced",
"detectionThreshold": "auto",
"postNormalize": "balanced"
}
}
}有问题或反馈？请联系 [email protected]