一、技术背景与核心需求 在多媒体处理场景中，视频与音频的分离是常见需求。例如：影视剪辑需要单独使用背景音乐，会议记录需提取人声进行分析，或教育视频需提取讲师语音制作播客。MP3因其高压缩比与广泛兼容性，……
