用途:photo-learning 用于识别照片中的内容,并生成一段简短、适合儿童理解的讲解,同时把讲解转成语音旁白,形成“看图 + 讲解 + 听”的学习材料。
主要能力:
- 图片理解:调用 analyze_image,并要求返回简单、儿童友好的解释;可按需输出双语内容。
- 语音合成:把解释文本作为旁白脚本,调用 tts 生成音频,默认输出格式为 mp3,用户明确要求时使用 wav。
- 结果返回:输出解释文本与音频文件路径,并以简短清晰的方式给出结果摘要。
使用方式:使用前需向技能提供三类信息:图片路径;目标年龄段与语言;期望语气(温和、活泼或好奇)。随后技能按“图片分析 → 文本作为旁白脚本 → 语音合成 → 返回文本与音频路径”的流程执行。
适用场景:适合亲子共读、儿童看图说话练习、启蒙认知、双语学习辅助等需要把图片内容转化为儿童易懂讲解并配语音的场合。
限制:资料未说明支持的图片格式范围、单次处理时长上限、TTS 音色选择、并发或批量处理能力,暂未提供;具体模型与接口依赖由运行环境决定,暂未提供。