用途 mc-audio 用于在本地生成本期视频所需的旁白（TTS）、播客对话、音乐床与音效（SFX）。它由其他技能或创作者直接调用，属于服务型技能：不拥有制作阶段、不设置审批环节、不写入项目状态，最终把带来源记录的音频文件交给调用方；混音不在此技能范围内。
主要能力与音频通道 已实现的 1.0 本地默认通道：kokoro-local（tts 与 podcast）、musicgen-local（music）、audioldm2-local（sfx）。若配置中出现付费或规划中的值（如 gemini-tts、elevenlabs-*、stable-audio-open、ace-step-local），表明创作者选择了尚未实现的通道，此时应如实说明并停止，不得替换为未经创作者选择的付费通道，也不得把未经校验的通道描述为可用。song-provider 为空属正常出厂状态：带人声的完整歌曲目前没有已验证的本地通道。
使用方式
- 激活时通过 resolve_config.py 读取模块配置；若为空，说明尚未运行 mc-setup，需引导创作者前往。
- 从 [audio] 读取各通道值与 workspace，引擎工作区为 {engines-path}/{audio.workspace}。
- 用 ensure_workspace.py 检查工作区；未就绪时先说明 bootstrap 会下载的内容（数 GB 的 venv wheel；Windows+NVIDIA GPU 下 torch 从 PyTorch cu126 索引安装 CUDA wheel，约额外 2.5–3 GB；Kokoro 模型约 340 MB；首次音乐/音效运行约 5 GB Hugging Face 缓存），并逐字转述 --dry-run JSON 中的 torch 字段，取得同意后再正式运行。已有的已验证工作区直接复用，不重建、不复制。
- 每个素材一次调用 farm_audio.py，指定 --kind tts|podcast|music|sfx、--provider、--workspace、--out-dir、可选 --name，以及该类型的参数（--text/--voice/--speed、--script、--prompt/--seconds/--seed）。脚本会把来源记录追加到 <out-dir>/manifest.json（行结构与 mc-assets 一致，本地通道 cost 为 null）。
- 播客对话使用指定结构的脚本 JSON，并按参考文档应用真实感参数（语速变化、停顿、附和语），而不是拼接模式统一的单句。
- 首次模型下载耗时较长，建议在后台运行并主动报告进度。
交付与检查 交付前须试听或检查每个输出：时长符合请求、无静音或截断、对话顺序正确。随素材一并说明适用限制：SFX 为 16 kHz（混音中可用，单独播放偏薄）、音乐仅器乐、TTS 为预置音色（不克隆、不声称“你的声音”）、多人对话为模拟串话。最后报告每个文件的保存位置。
适用场景与限制 适用于为视频项目批量生成旁白、播客、音乐床与音效，并由调用方自行或交由 hyperframes-audio 技能混音。不适用于混音、完整人声歌曲、声音克隆，以及运行创作者未明确选择或尚未实现的通道。