用途
该技能面向已经基本剪完、但听起来干涩的说话类视频：台词之间没有能量、接缝处是死气沉沉的空白。它通过铺设一条始终位于人声之下的器乐音轨（music bed）来解决这一问题。
主要能力
- 从视频已有信息中起草音乐简报，包含五个槽位：曲风（取自转录文本的语气而非主题）、乐器（由曲风推导）、速度与能量（取自画面节奏）、情绪（取自说了什么以及怎么说）、纯器乐表述（始终以正面措辞写明）。
- 简报结尾需写明用途，例如“安静地置于说话声之下，不与其竞争”。
- 从模型目录中选择输入类型为 music、用途为 generate 的模型，读取其参数，使用其器乐开关，并保持歌词字段为空。
- 生成时长约为视频长度十分之一以上、向上取整到秒的音轨，且不超过模型自身限制。
- 通过预检校验请求负载并获取价格估算，然后执行一次生成。
- 通过脚本将音轨作为单一音频层铺在最终场景上：1 秒淡入、2 秒淡出，台词之间音量 30、说话时音量 15，在每个说话段之前开始闪避、之后用 0.6 秒恢复。
使用方式
- 在最终画面上起草简报，用两三行写完，确保生成前可整体通读。
- 从模型目录中挑选音乐模型，读取其参数，使用器乐开关，歌词字段留空。
- 请求比视频长约十分之一、向上取整到秒的时长。
- 用预检校验负载，其估算值即音轨价格，然后调用生成一次。
- 在最终场景上运行
python3 scripts/music_bed.py bed.json，配置文件包含场景、按资产 id 命名的各说话来源转录文件，以及音轨的托管 URL 和时长。 - 脚本会打印场景以及它做了闪避的说话段。
适用场景
- 已完成剪辑的说话类视频，需要在不干扰人声的前提下增加能量与连贯感。
- 包含画中画、气泡等嵌套面板的场景，脚本支持嵌套面板与气泡内的说话来源。
限制
- 始终使用纯器乐，人声歌词会与说话声争夺听觉注意力。
- 简报中应使用正面措辞，避免“无人声”“无歌词”等否定表述，因为音乐模型可能把否定句唱出来。
- 每份简报只生成一次；未命中的音轨需要新简报并重新生成，不得为碰运气而批量生成变体。
- 没有任何工具能回读混音的响度，因此无法测量音轨与语音的相对关系，只能由听者判断；调整时每次按约五个点同时移动音量与闪避，并在同一场景上重新运行脚本。
- 不得丢弃语音，所有片段与画外音的原声保持原样，音轨铺在其下。
- 更换音轨意味着新简报与新生成，绝不做静默重新生成。
- 音轨只进入那一个视频，不会同时产出带音乐版与静音版。
- 生成音轨的许可证需用户自行核查，尤其是在参加电影节或商业使用之前。
- 生成失败或一次重试后仍无法铺设音轨时，场景保持原样，不添加音乐。