MiniMax TTS 发音控制技能将文本文件逐步处理发音问题，最终调用 MiniMax TTS API 生成音频。
用途
本技能用于将文本文件通过 MiniMax TTS API 生成中文口播音频，自动处理多音字、英文缩写、混合模型名、数字读法等高频发音错误。当用户说“使用MiniMax生成口播音频”时触发。
输入参数
- 文本文件路径：必填，待处理的 .txt 文件绝对路径。
- 输出目录：可选，默认在输入文件同目录下创建 tts-{YYYYMMDD-HHMMSS}/ 目录。
用户发音规则管理
当用户提出添加/查询/删除/修改发音规则（如“Qwen 读作千问”“看看有哪些规则”“删掉 Qwen 的规则”）时，读取 <SKILL_DIR>/references/manage-user-rules.md 和 <SKILL_DIR>/references/pronunciation-rules.md，然后按指引操作 <SKILL_DIR>/user-rules.json。
工作流
输入.txt → input.raw.txt → [脚本] normalize_punctuation.py → input.txt → [脚本] scan_terms.py → terms.json(草稿) → [Subagent 1] 补全规范化 → terms.json → [脚本] validate + generate_normalized.py → normalized.txt → [Subagent 2] 补全读法 + 多音字识别 → terms.json → [脚本] validate → [Subagent 3] 复核 → terms.json(review.pass) → [脚本] validate + call_tts.py → output.wav + output.title → [脚本] title_to_srt.py → output.srt。
其中 <SKILL_DIR> 表示本 skill 目录的绝对路径，<run_dir> 表示当前运行输出目录的绝对路径。
使用方式
Step -1：环境预检测。依次检测 Python 版本（需 >= 3.10）、requests 库是否安装，以及 <SKILL_DIR>/.env 中的 MINIMAX_API_KEY 是否配置；未配置时向用户询问并写入 .env。
Step 0：初始化运行目录。从用户输入获取文本文件路径，创建 <input_dir>/tts-{YYYYMMDD-HHMMSS}/ 目录，复制输入文件为 input.raw.txt，执行标点规范化与候选词扫描。若因沙箱或权限限制无法写入输入文件同级目录，必须先请求用户授权。
Step 1：大小写规范化判断。Subagent 阅读操作指引、发音规则参考、用户自定义规则、原文与候选词，处理 terms.json 中每个 term 的 normalized、category、reason 字段，校验通过后生成 normalized.txt。
Step 2：发音读法判断。Subagent 处理 terms.json 中每个 term 的 reading、category 字段，并识别原文中遗漏的多音字。
Step 3：质量复核。Subagent 按操作指引检查项对 terms.json 做最终质量复核。
Step 4：生成音频和字幕 JSON。调用 call_tts.py，生成并落盘 WAV 音频 output.wav，下载并落盘 MiniMax 返回的字幕 JSON output.title。
Step 5：生成 SRT 字幕。根据 output.title 与 output.wav 生成 output.srt，并向用户报告音频文件路径、MiniMax 字幕 JSON 文件路径、SRT 字幕文件路径、使用 tone 规则条数与替换文本处数。
落盘文件
tts-YYYYMMDD-HHMMSS/ 下包含：input.raw.txt（原始输入，只读）、input.txt（标点规范化后的输入，只读）、terms.json（全流程唯一结构化工作文件）、normalized.txt（规范化后的文本）、output.wav（MiniMax TTS 输出音频）、output.title（MiniMax 返回的字级时间戳字幕 JSON）、output.srt（据 output.title + output.wav 生成的 SRT 字幕）。
约束
全流程只维护一份 terms.json，所有 subagent 都直接修改这同一个文件。LLM 只改 terms.json，不直接修改 normalized.txt 或 input.txt。文本替换、tone 生成、API 调用全部由脚本执行。任一阶段校验失败就停止，不继续后续阶段。MINIMAX_API_KEY 从 <SKILL_DIR>/.env 文件读取。
资源说明
scripts/ 下包括：normalize_punctuation.py <input> <output>（阶段 0，对换行缺失句末标点的文本补充句号）、scan_terms.py（阶段 0，从原文提取候选词生成 terms.json 草稿）、validate_terms.py <terms_json> <stage>（阶段 1/2/3 校验 terms.json schema）、generate_normalized.py <input> <terms> <output>（阶段 1 后根据 terms.json 生成规范化文本）、call_tts.py <normalized> <terms> <output_wav> [output_title]（阶段 4 调用 MiniMax TTS API 生成 WAV 音频并下载字幕 JSON）、title_to_srt.py <input_title> <input_wav> [output_srt]（阶段 5 根据 MiniMax 字幕 JSON 和 WAV 音频生成 SRT 字幕）。
references/ 下包括：pronunciation-rules.md（发音规则速查，含 category 枚举、reading 格式、关键约束）、manage-user-rules.md（用户发音规则管理指引，按需加载）、api-voice-settings.md（MiniMax API 请求中 voice_id、speed、vol、pitch 参数说明与修改位置）、step-1-normalize.md（step 1 操作指引）、step-2-reading.md（step 2 操作指引）、step-3-review.md（step 3 操作指引）。
其他文件包括：user-rules.json（用户自定义发音规则，agent 通过对话维护，各步骤消费）、.env（MiniMax API Key 存储）。
API 声音参数修改
如果用户询问或想修改 MiniMax TTS API 请求中的音色、语速、音量、语调参数（voice_id、speed、vol、pitch），需先阅读 <SKILL_DIR>/references/api-voice-settings.md。这些参数需要直接在 <SKILL_DIR>/scripts/call_tts.py 的 payload 中修改。
限制
资料未提供具体收费、价格、支持平台范围、音频时长上限、并发限制或效果保证等信息。