用途
z-qwen-audio-studio 用于调用阿里云 qwen-audio-3.1-tts-next 模型，从一段提示词和最多三段参考录音生成完整的音频场景。根据资料，它适用于旁白（narration）、广告（advertisement）、播客（podcast）、广播剧（drama）以及自动识别（auto）等模式。
主要能力
- 多模式音频生成：可指定 narration、advertisement、podcast、drama 或 auto 模式。
- 参考音色：将参考录音按顺序绑定为 @voice1、@voice2、@voice3，每个文件须为 WAV、MP3 或 OGG Opus 格式，最长 30 秒、不超过 10 MB。
- 提示词编译与检查：在付费生成前先编译提示词并检查内容，保留用户原始对白和指定的声音事件。
- 输出校验：生成完成后，脚本会用 ffprobe 和完整的 ffmpeg 解码双重验证音频文件。
- 报告留存：输出目录中会包含音频、编译后的提示词、generation-report.json 与 generation-report.md。
使用方式
首次使用时，先阅读 references/setup.md，然后运行环境检查：
python3 scripts/qwen_audio_studio.py doctor
只有当所有检查项都报告“已设置”时才继续。该命令不会显示凭据的具体值。
编译并检查提示词（付费生成前）：
python3 scripts/qwen_audio_studio.py compile
--mode podcast
--prompt-file input.md
--reference-count 0
--output compiled-prompt.txt
生成音频到指定输出目录：
python3 scripts/qwen_audio_studio.py generate
--mode podcast
--prompt-file input.md
--format wav
--sample-rate 48000
--channels 2
--output-name episode
--output-dir output/qwen-audio-next
每段参考录音需额外添加一个 --reference-audio path/to/reference.wav 参数。
只有命令退出码为 0，且输出目录中包含音频、编译后的提示词、generation-report.json 和 generation-report.md 时，才视为完成。
适用场景
根据资料，该技能适合制作播客、广播剧、广告、多说话人配音等需要完整音频场景的内容，也可借助参考录音复刻音色风格。
限制与错误处理
- 参考录音最多三段，格式限 WAV、MP3、OGG Opus，时长不超过 30 秒，大小不超过 10 MB。
- 400：需修正提示词长度、参考编号、文件约束或输出参数。
- 401：需核对北京地域的 API Key。
- 403：需核对模型访问权限与 Workspace 权限。
- 404 且提示 Model not exist：需确认模型已在北京地域启用。
- 429 或 5xx：脚本会进行有限次重试；若全部失败，应保留请求 ID。
- 下载或解码失败均视为未完成，应保留报告、移除 .part 文件并报告具体失败原因。
安全说明
凭据只从 DASHSCOPE_API_KEY 和 SFM_WORKSPACE_ID 读取，不得将真实值写入命令、源文件、示例、报告、截图、提交或聊天回复，也不得发布生成的音频或报告。
暂未提供
资料未说明具体收费标准、价格、生成时长上限、并发限制及支持的输出格式全集，需以参考文档 references/api-contract.md 为准。