SuperAPI AI 工具集

audio-cog

通用与其它

查看项目

更新于 10-16 05:43

技能介绍

用途:OpenSquilla 兼容的音频生成适配器,面向网页音频请求,通过调用方配置的 OpenRouter 音频模型生成语音解说,并写入可浏览器播放的 WAV 文件。

主要能力:作为 Meta-Skill 入口,由确定性 Python 适配器执行;在仅子进程中接收来自常规 Provider Settings 的短时连接凭据,凭据与端点不进入 argv、plan 或持久化运行数据。支持 JSON 载荷模式,调用方提供 {"script": "exact spoken narration text"} 时,模型按该文稿精确朗读,不添加确认、标题或铺垫文字。

使用方式:优先使用 OpenSquilla 中配置的 OpenRouter 配置/API 密钥,不要求 CELLCOG_API_KEY,也不假设安装了 cellcog 包。音频模型选择仅用 config.awesome_webpage.openrouter.models.audio_generation;输出仅保存到 config.awesome_webpage.output_dir/project/assets/audio。成功后以单行 AUDIO_READY: 记录输出,local_path 为相对路径 project/assets/audio/<slug>.wav,MIME 为 audio/wav。调用 openai/gpt-audio* 须使用 POST {base_url}/chat/completions,body 含 stream: true、modalities: ["text","audio"]、audio.format 为 pcm16;读取 SSE 响应,base64 解码各 delta.audio.data,拼接 24kHz 单声道有符号 16 位小端 PCM,再保存为 WAV。

适用场景:为网页生成旁白与音频资产,供 AwesomeWebpageMetaSkill 收集并绑定。

限制:非流式请求会被拒绝(HTTP 400 Audio output requires stream: true);流式下 audio.format 只支持 pcm16,mp3、opus、flac、wav 均被拒。缺少 OpenRouter 密钥、音频模型或输出目录时返回 AUDIO_CONFIG_NEEDED 并列出缺失键;模型无法返回可播放音频时返回 AUDIO_MODEL_UNSUPPORTED;失败时返回单行标签与替换槽路径。提交后的提供方/模型失败为 exit-0 降级,不会自动重放。未提供的信息暂未提供。