用途:在 Scenario 上生成与处理音频,覆盖音乐、音效、语音/朗读三条生成线,以及视频转音频配乐和音频工具。连接与核心生成流程参见 scenario 技能;若缺少文中提到的同级技能,可让用户安装:npx skills add scenario-labs/skills --skill <name>,无人值守时按工具 schema 继续并标注缺口。
主要能力:音乐(文本生成短垫乐或带人声的完整歌曲)、音效(文本生成短片段,部分支持无缝循环)、语音与朗读(预设音色、多语言、情绪与节奏控制,部分支持短片段克隆音色,语音转语音可换声)、视频转音频(为无声视频配乐或加同步音效)、工具(model_scenario-audio-cut、model_scenario-audio-split、model_scenario-audio-extract、model_scenario-compose-video 为固定 ID;语音转文字需按需求推荐)。分轨每次运行只输出一个指定分轨(含人声),无纯伴奏选项;人声分离只返回干净语音,不返回被移除的音乐与音效,因此“人声对其余全部”的双轨拆分属于缺口,应报告而非继续寻找。
使用方式:先用 recommend 以用户原话描述需求找模型(capability="txt2audio" 覆盖音乐、音效、TTS;已知名称才用 search);用 model_schema_get 查看输入字段(时长、歌词、音色、循环等差异很大);用 model_run 传符合 schema 的参数,长任务用 wait=false;用 jobs_wait 等待,超时后用 pending_job_ids 重调;用 asset_display 内联播放;用 asset_download 保存原格式文件,如 curl -L -o out.<ext> "<url>",扩展名取自返回的 mimeType,否则用 ffprobe。查找已有音频资产用 search target="assets", filters={kind: "audio"}。
提示要点:音效需说明来源、材质、动作与声学空间,并写明排除项(如 no music、no reverb),一个片段一个事件;音乐给出流派、情绪、速度与配器;语音的文本字段只放要说的词,音色、语言、情绪、节奏放在独立字段或内联标签。标签语法因模型而异(方括号、尖括号、圆括号或包裹对),拼写须从文本字段描述中复制,写错可能被念出来;标签只是请求而非保证,正式采用前应让用户试听。多说话人模型按“Name: 台词”逐轮读取,Name 须与说话人行标签完全一致,无前缀行延续上一轮;预设音色名不说明性别年龄语气,付费前应确认。文本有长度上限(某成员为 5000 字符),超限返回 400,且是价格驱动项,长脚本按轮次拆分并先 dry_run。
歌曲:schema 差异大,可能是风格提示加独立歌词、单一散文提示或有序段落数组。词不能放进风格字段;风格字段放流派、情绪、速度、调性、唱法与配器,歌词字段放词并用 [Verse]、[Chorus] 等段落标签。纯器乐与自动歌词是 schema 中的标志位,用散文请求不可靠。时长字段同时限制长度与价格。提交前用 dry_run: true 估价,再用 wait: false 启动,二者是 model_run 参数而非 parameters 键。可重复性与批量因成员而异,需从 model_schema_get 读取。
延长歌曲:属于 audio2audio 通道,用 capability="audio2audio" 推荐,成员接收原曲与有序段落数组(某成员上限 30 段),每段保留原曲切片(sourceStartSeconds、sourceEndSeconds)或生成新段(text 带 [Verse] 类标签、durationSeconds、positiveStyles 数组),contextAdherence 控制新段与相邻段的贴合度;保留切片按同长度生成音频计费,应先 dry_run 整个方案。重绘、编辑、加层成员只在原时长内重生成,不会加长。
常见错误:硬编码生成模型 ID(可用性因团队而异,应每会话重新发现,仅上述固定工具 ID 不变);跳过 model_schema_get;循环轮询 job_get(音乐任务可能运行数分钟,应用 jobs_wait);把原始资产 URL 贴进对话;给音频的 asset_download 传 format(它只转换图片格式,应省略,WAV 在生成时通过输出格式字段请求);把语音指导写进 TTS 文本;用单一音色读双人对话;把歌词贴进风格字段;用重绘或新文本生成音乐来回应“加长”;把 dry_run 或 wait 放进 parameters(误放会照常计费或阻塞至多 180 秒)。
限制:部分能力(如双轨人声分离)暂未提供;具体模型可用性、价格与参数以实际 schema 为准,资料未提供固定价格表。