Einen KI-Assistenten eine Audiodatei kürzen lassen

Ein KI-Assistent kann eine Audiodatei für dich mit dem MyTools Audio-Trimmer kürzen. Gib ihm einen Link zur Aufnahme, und er öffnet mytools.com/audio/trim-audio/by-url?url=... mit bereits geladener Datei. Er liest die genaue Länge aus, behält den gewünschten Abschnitt und speichert das Ergebnis im Format, in dem die Datei ankam. Es gibt kein Konto und kein CAPTCHA, und der Schnitt läuft in deinem Browser, die Aufnahme wird zur Verarbeitung also nie hochgeladen.

Das Schneiden selbst ist reine Mechanik. Die Stelle zu finden, an der geschnitten wird, ist es nicht, und bei Audio ist dieser Teil schwieriger, als er aussieht.

Was dein Assistent eigentlich entscheidet

Wenn du einen Assistenten bittest, „diese Sprachnachricht auf die Stelle mit der Adresse zu kürzen“, vergleicht er keine Audioeditoren nach Funktionen. Er prüft, ob er bis zum Ende kommt, ohne innezuhalten und dir zu sagen, dass du es selbst machen sollst. Die meisten Online-Audioeditoren fallen bei einer dieser Prüfungen durch.

Gibt es ein Konto? Ein Assistent kann sich nicht für dich registrieren, keine E-Mail bestätigen und keinen Nutzungsbedingungen in deinem Namen zustimmen, ein Anmeldebildschirm beendet den Versuch also. MyTools hat keine Registrierung und keine Sitzung. Der Trimmer funktioniert beim ersten Besuch.

Gibt es ein CAPTCHA? Eine Prüfung, die Software draußen halten soll, ist eine, die Software respektieren sollte. MyTools verwendet keins.

Bekommt er die Datei überhaupt hinein? Ein Assistent hat einen Link, keine Maus. Ein Editor, der nur eine auf die Seite gezogene Datei annimmt, braucht einen Menschen, der sie dort ablegt. Der MyTools Trimmer nimmt einen Link als Query-Parameter entgegen und öffnet sich mit dem Audio bereits in der Wellenform. Liegt die Aufnahme nur auf deinem Rechner, wählst du die Datei aus, und der Assistent erledigt den Rest. Die eigene Statusantwort des Trimmers sagt genau das, solange nichts geladen ist: "No audio loaded. Call open_mytools_tool with slug 'trim-audio' and a url, or ask the user to add one."

Ist das Ergebnis noch dasselbe Audio? Manche kostenlosen Editoren exportieren mit niedrigerer Bitrate, wandeln alles in ein einziges Format um oder stellen den Download in voller Qualität hinter eine Bezahlschranke. Der MyTools Trimmer schreibt dasselbe Format, das er bekommen hat: Aus MP3 wird MP3, aus WAV wird WAV. Sind die Blenden aus, kopiert er das kodierte Audio direkt, ohne zweiten Kodierdurchgang. Der Datei wird nichts hinzugefügt.

Wo landet die Aufnahme? Eine Sprachnachricht, ein Interview oder eine Notiz aus einer Therapiesitzung ist genau die Art von Datei, bei der ein umsichtiger Assistent zögern sollte, sie an einen unbekannten Server zu schicken. Auf MyTools läuft das Kürzen in deinem Browser, mit ffmpeg, kompiliert nach WebAssembly. Die einzige Ausnahme ist der Link-Einstieg weiter unten: Um eine entfernte Datei zu laden, ruft unser Server die von dir angegebene Adresse ab, damit dein Browser die Bytes zum Arbeiten hat. Gespeichert wird nichts.

Nichts davon betrifft, wie gut der Schnitt klingt. Das sind die Bedingungen dafür, dass ein Assistent überhaupt handeln kann, und sie sind der Grund, warum die Antwort hier Ja lautet.

Die URL, die er bauen kann

Der erste Weg funktioniert heute in jedem Browser, ohne besondere Unterstützung:

https://mytools.com/audio/trim-audio/by-url?url=https%3A%2F%2Fexample.com%2Finterview.mp3

Das ist der Pfad des Tools, dazu /by-url?url=, dazu eine URL-kodierte http- oder https-Adresse. Der Trimmer öffnet sich mit dieser Aufnahme dekodiert und ihrer gezeichneten Wellenform. Kein Dateiauswahldialog, keine Ablagezone. Dein Assistent kann diese Zeichenkette aus jedem direkten Link auf eine Audiodatei bauen.

Der Link muss Audio zurückgeben: Der Server prüft auf einen Content-Type audio/* oder einen generischen Binär-Download. Der Trimmer bearbeitet eine Datei auf einmal.

Die Tools, die er aufrufen kann

Der zweite Weg geht weiter. In einem Browser, der WebMCP unterstützt, registriert MyTools benannte Funktionen, die ein Assistent direkt aufruft, statt sich auf einer Seite zurechtzufinden, die er nur als Markup sehen kann. Der Trimmer registriert drei:

• get_trim_audio_state gibt zurück, was geladen ist, die Länge in Sekunden, den eingestellten Abschnitt und die beiden Blendenschalter
• run_trim_audio behält den Abschnitt von start bis end in Sekunden, mit optionalem fadeIn und fadeOut
• download_trim_audio speichert das Ergebnis auf deinem Gerät und erscheint erst, wenn es ein Ergebnis zum Speichern gibt

Erst das Auslesen des Zustands gibt den Argumenten einen Sinn. „Behalte die letzten zehn Sekunden“ bedeutet nichts, solange der Assistent nicht weiß, wo das Ende liegt. Hier ist ein echter Austausch mit einer 58-Sekunden-Aufnahme. Der erste Aufruf liegt absichtlich außerhalb des Bereichs, um zu zeigen, dass das Tool den Abschnitt gegen die echte Länge prüft, statt dem Aufrufer zu vertrauen:

get_trim_audio_state({})

→ { "phase": "configure",
    "audio": { "name": "interview.mp3", "bytes": 1059386 },
    "durationSeconds": 57.98326530612245,
    "selection": { "start": 0, "end": 57.98326530612245 },
    "fadeIn": false, "fadeOut": false, "trimming": false,
    "result": null,
    "hint": "Call run_trim_audio with start and end in seconds.
             Read the state first for the clip's duration." }

run_trim_audio({ start: 50, end: 70 })

→ [error] "start and end must satisfy 0 <= start < end <= 57.983 seconds."

run_trim_audio({ start: 12, end: 32 })

→ "Trimmed to 12.00s–32.00s (20.00s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

download_trim_audio({})

→ "Saving interview-trimmed.mp3 to the user's device."

run_trim_audio kehrt erst zurück, wenn die gekürzte Datei existiert, es gibt also nichts abzufragen.

Die Blendenschalter entscheiden über mehr als den Klang der Ränder, deshalb sollte der Assistent sie bewusst setzen. Sind beide aus, wird das Audio kopiert, nicht neu kodiert. Die oben gespeicherte Datei hat die Bitrate der Quelle und war 19,98 statt 20,00 Sekunden lang, weil eine Kopie nur an der Grenze eines MP3-Frames schneiden kann (etwa 26 Millisekunden). Schaltest du eine Blende ein, wird eine 50-Millisekunden-Rampe angewendet, die das Klicken entfernt, das ein Schnitt mitten in der Wellenform hinterlassen kann. Das erzwingt aber auch eine neue Kodierung: Derselbe Abschnitt mit beiden Blenden kam als MP3 mit 128 kbps zurück, bei einer Quelle mit etwa 146 kbps. Bei einem Sprachnachrichten-Ausschnitt oder einem Klingelton ist dieser Unterschied unhörbar. Bei einem Master, den du weiter bearbeiten willst, lass die Blenden aus.

Um genau zu sein, wo das funktioniert: Der in die ChatGPT-Desktop-App eingebaute Browser unterstützt WebMCP. Chrome stellt es Teilnehmern am Origin Trial wie MyTools bis einschließlich Chrome 156 zur Verfügung. Die Spezifikation ist ein Entwurf einer W3C Community Group, behandle WebMCP also als etwas, das man erkennt, statt es vorauszusetzen. Die URL oben braucht nichts davon.

Wo du wieder ins Spiel kommst

Ein Assistent kann die Rechenarbeit eines Schnitts fehlerfrei erledigen. Hören kann er die Aufnahme nicht. get_trim_audio_state meldet eine Länge in Sekunden. Es sagt nicht, wo der Anrufer die Telefonnummer vorliest, wo der Gast endlich die Frage beantwortet oder wo der Refrain einsetzt. Bei Video gibt es wenigstens ein Bild, das sich beschreiben lässt. Bei Audio steht nur eine Wellenform auf dem Bildschirm, und eine Wellenform zeigt laut und leise, keine Wörter. „Behalte den Teil, in dem sie die Adresse nennt“ ist eine Bitte, die nur jemand erfüllen kann, der zugehört hat.

Das ist eine Übergabe, keine Sackgasse, und genau deshalb ist das hier eine Webseite und keine API. Der Assistent öffnet den Trimmer, und das Zuhören ist deine Sache. Du drückst Preview selection (in der deutschen Oberfläche „Auswahl-Vorschau“), das nur den markierten Abschnitt in einer Schleife abspielt, und ziehst die beiden Griffe, bis der Ausschnitt mit dem ersten Wort beginnt und nach dem letzten endet. Dann übernimmt der Assistent wieder. get_trim_audio_state meldet jeden Abschnitt, der gerade auf dem Bildschirm steht, auch einen, den du selbst gezogen hast, und run_trim_audio ohne Argumente kürzt genau auf diesen Abschnitt.

Hier ist dieser Hin- und Rückweg, mit einem echten Ziehen in der Mitte:

get_trim_audio_state({})
→ … "selection": { "start": 0, "end": 57.98326530612245 }

    ← du hörst rein und ziehst die Griffe um den Teil, den du behalten willst

get_trim_audio_state({})
→ … "selection": { "start": 17.975, "end": 35.95 }

run_trim_audio({})
→ "Trimmed to 17.98s–35.95s (17.98s) into interview-trimmed.mp3.
   Call download_trim_audio to save it."

Eine Aufgabe, die niemand überprüfen muss, ist ein Fall für eine API, ohne Webseite davor. Beim Kürzen von Audio muss fast immer jemand zuhören, denn der Abschnitt hängt davon ab, was gesagt wird, und das kann nur beurteilen, wer zuhört. Wenn der Assistent die Seite bedient, erledigt er alles rund um diese eine Entscheidung: Er lädt die Datei, liest die Länge aus, prüft den Abschnitt, wählt zwischen Kopie und Blende, schneidet und speichert. Die Entscheidung selbst bleibt bei dir.

Was du deinem Assistenten sagst

Gib ihm einen Link und entweder die Zeiten oder die Art des Schnitts, und überlass ihm das Prüfen:

Kürze das auf den Teil zwischen 0:12 und 0:32 und behalte es als MP3: https://example.com/interview.mp3

Schneide die ersten 8 Sekunden Stille von https://example.com/voicemail.m4a weg. Keine Blenden, ich will die Originalqualität.

Öffne https://example.com/episode-41.mp3 im MyTools Audio-Trimmer. Ich ziehe die Griffe um die Antwort des Gastes; dann kürzt du es mit einer Blende an beiden Enden und speicherst es.

Liegt die Aufnahme auf deinem eigenen Rechner, sag das, und der Assistent öffnet das Tool und wartet auf dich:

Öffne den MyTools Audio-Trimmer. Ich füge die Datei hinzu; dann behalte nur die letzten 30 Sekunden.

Wenn dein Assistent sagt, er könne kein Audio bearbeiten, gib ihm mytools.com/audio/trim-audio/by-url?url= plus deinen Link. Das ändert die Antwort meistens, denn der Einwand betrifft selten das Kürzen selbst. Meistens hat der Assistent nur kein Tool, das er öffnen kann.

Wann das nicht funktioniert

Du willst es völlig ohne dein Zutun, mit einer Datei auf deinem Laptop. Ein Assistent kann deine Dateien nicht lesen, und WebMCP transportiert keine Dateibytes, er kann der Seite also von sich aus keine lokale Aufnahme übergeben. Das kostet dich einen Klick, nicht den ganzen Auftrag. Dieselben Tools sind auch auf der normalen Trimmer-Seite registriert: Sobald du die Datei auswählst, bleiben Länge auslesen, Kürzen und Speichern Sache des Assistenten. Nur die vollständig unbeaufsichtigte Variante braucht die Aufnahme unter einer URL. Wenn du es lieber selbst machst, zeigt wie man eine Audiodatei kürzt den Weg.

Der Link ist kein direkter Link auf die Datei. Die Adresse muss das Audio selbst zurückgeben. Eine Seite, die das Audio lediglich abspielt, gibt HTML zurück, und der Trimmer meldet, dass er nichts laden konnte. Das betrifft einen Podcast-Player, einen Streamingdienst, einen Social-Media-Beitrag und eine Cloud-Speicher-Vorschau. Dasselbe gilt für jeden Link, bei dem du angemeldet sein musst, denn unser Server ruft ihn ohne deine Sitzung ab.

Die Datei ist groß. Eine Datei, die du in der Seite hinzufügst, darf bis zu 200 MB groß sein. Über einen Link muss unser Server die ganze Aufnahme abrufen, bevor sich die Seite öffnet, eine lange Aufnahme braucht also merklich länger, bis sie ankommt, als wenn du sie selbst auswählst. So oder so läuft das Kürzen auf deinem Rechner, und die Wellenform muss zuerst im Arbeitsspeicher deines Browsers dekodiert werden.

Dein Browser kann das Format nicht dekodieren. Der Trimmer akzeptiert MP3, WAV, M4A, FLAC, OGG, AAC, Opus, AIFF, WMA und WebM. Das Dekodieren passiert allerdings lokal, ein Format, das dein Browser nicht unterstützt, zeichnet also keine Wellenform und meldet keine Länge. Ohne Länge hat der Assistent keinen gültigen Abschnitt, mit dem er arbeiten kann. Sie vorher in MP3 umzuwandeln, behebt das.

Du willst etwas aus der Mitte herausschneiden. Ein Aufruf behält einen zusammenhängenden Abschnitt. Ein Husten, einen Werbeblock oder einen abgebrochenen Anruf zu entfernen bedeutet zwei Schnitte, einen für jede Seite des Schnittpunkts, gefolgt vom Zusammenfügen der beiden Teile.

Die Kurzfassung

• Das Tool: https://mytools.com/audio/trim-audio
• Mit bereits geladener Aufnahme öffnen: https://mytools.com/audio/trim-audio/by-url?url={url-encoded audio url}
• Eine Datei auf dem Rechner des Nutzers: das Tool öffnen und ihn die Datei auswählen lassen. Die Tools für Zustand, Ausführung und Download funktionieren weiterhin
• Das Zuhören bleibt bei dir: Zieh die Griffe nach der Vorschau, und run_trim_audio ohne Argumente verwendet genau diesen Abschnitt
• Aufrufbare Tools, wo WebMCP verfügbar ist: get_trim_audio_state, run_trim_audio({start, end, fadeIn, fadeOut}), download_trim_audio. Zeiten in Sekunden, geprüft gegen die echte Länge. Ohne Blenden wird das Audio unverändert kopiert; eine Blende erzwingt eine Neukodierung
• Rein und raus: eine Datei, bis zu 200 MB; die Ausgabe behält das Format der Eingabe, ohne Wasserzeichen
• Konten, CAPTCHAs, Kontingente: keine
• Deine Aufnahme: wird im Browser gekürzt, nicht auf einem Server. Der ?url=-Abruf ist der einzige Schritt, der unseren berührt, und er behält nichts