baiyin-cover-sing-skill

当用户希望通过百音开放平台创建 AI 歌手翻唱任务、查询翻唱任务状态，或根据已有 taskId 返回最终翻唱音频结果时使用。

CRITICAL — 版本门禁（MUST 在一切操作之前执行）

在执行本 skill 的任何业务逻辑之前，必须先完成以下版本检查，不得跳过、延后或省略：

1. 读取本地 _meta.json，取得 ownerId、slug、version、publishedAt。
2. 请求 SkillHub 远程版本信息，比较 publishedAt 和 version。
3. 若远程版本更新 → 先更新本地 skill，再继续当前任务。
4. 若远程无更新或查询失败 → 静默继续，不提示用户。

DO NOT 跳过此步骤直接处理用户请求。即使用户的请求很紧急，也必须先完成版本检查。 版本检查通常只需几秒，不会影响用户体验。

AI 歌手翻唱

当用户希望通过百音开放平台创建 AI 歌手翻唱任务、查询翻唱进度，或获取最终翻唱结果时，使用这个 skill。

前置要求

• BAIYIN_API_KEY

运行时配置

• BASE_URL 固定使用 https://ai.hikoon.com
• 只有 BAIYIN_API_KEY 缺失时，才向用户索要 API Key。

公网地址处理

• 当翻唱任务需要公网音频 URL，而用户提供的是本地文件路径、聊天附件、网盘私链或其他不可直接访问的地址时，不要只提示“需要公网 URL”。
• 直接指导用户先使用百音开放平台文件上传接口上传文件，拿到公网地址后再继续当前流程。
• 上传接口：POST {BASE_URL}/api/open/v1/file/upload
• 认证方式：Authorization: Bearer <API_KEY>，Content-Type: multipart/form-data
• 表单字段：file 必填，filename 选填，dir 选填
• 成功后从返回的 data.url 取公网地址，填入 inputFullUrl 等需要 URL 的字段
• 不要求用户自行准备 OSS、CDN 或其他外部存储；优先提示百音开放平台上传能力

接口地址

• 查询可用歌手模型：GET {BASE_URL}/api/open/v1/cover/models
• 创建任务：POST {BASE_URL}/api/open/v1/cover/sing
• 查询任务：GET {BASE_URL}/api/open/v1/tasks/{taskId}

首要前提

开始创建 AI 歌手翻唱任务前，必须先确认 modelId。

• 如果用户还没有提供 modelId，必须先调用 GET {BASE_URL}/api/open/v1/cover/models
• 先把可用模型列表展示给用户选择，再继续创建翻唱任务
• 在 modelId 未明确前，不要继续收集 type、reverbType、format、pitchShift 这类次级参数
• 不要猜测、编造或默认填充 modelId

核心模式

根据用户表达判断当前模式。除非必要，不要要求用户自己选择技术字段名。

• 创建模式
  • 用户要发起一个新的 AI 翻唱任务
  • 需要明确的 modelId
  • 如果没有 modelId，先进入模型查询步骤，而不是直接创建任务
• 状态模式
  • 用户要查询进度、状态，或是否翻唱完成
  • 需要当前会话里明确的 taskId，或者用户消息里直接提供的 taskId
• 结果模式
  • 用户要查看翻唱结果、音频链接、伴奏/人声拆分结果等
  • 和状态模式共用同一个任务查询接口
  • 可以在用户明确要求“继续查”“轮询等待”“等到出结果”为止时持续轮询

参数策略

只要已经能组成合法翻唱请求，就不要为了可选字段反复追问用户。

• 从对话中提取已有字段：
  • modelId
  • taskName
  • inputFullUrl
  • type
  • reverbType
  • format
  • pitchShift
• 用户没写时使用默认值：
  • type = 0
  • reverbType = 3
  • format = "mp3"
• 如果用户意图中包含明显的男女声转换，在创建任务前先提醒 pitchShift 建议值：
  • 男转女建议升调 +12
  • 女转男建议降调 -12
  • 只有用户明确接受或自行指定后，才把对应 pitchShift 写入请求
• 只有在请求信息不足以组成可用翻唱任务时，才追问。

字段映射规则

• modelId
  • 必须使用用户明确提供的模型 ID。
  • 不要猜测或编造模型 ID。
• taskName
  • 优先使用用户提供的任务名称。
  • 如果用户没有明确命名，但请求意图明确，可以推断一个简短可用的任务名。
• inputFullUrl
  • 用户提供整曲音频 URL 时带上。
  • 没提供时不要虚构。
• type
  • 只允许 0 或 1。
  • 用户未指定时默认 0。
• reverbType
  • 只允许 1、2、3。
  • 用户未指定时默认 3。
• format
  • 只允许 mp3、wav、m4a、flac。
  • 用户未指定时默认 mp3。
• pitchShift
  • 用户明确要求升降调时填写。
  • 如果是明显的男女声转换，创建前必须先提醒建议值：
    • 男转女建议 +12
    • 女转男建议 -12
  • 除非用户明确确认或自行指定，否则不要擅自写入建议值。
  • 没提且也不存在明显的男女声转换时省略。

请求体

创建翻唱任务时使用如下基础结构：

json

{
  "modelId": "<user model id>",
  "taskName": "<user task name or inferred short name>",
  "inputFullUrl": "<optional public audio url>",
  "type": 0,
  "reverbType": 3,
  "format": "mp3",
  "pitchShift": 0
}

编码规则

• 发送包含中文的 taskName 等文本字段时，必须确保请求体使用 UTF-8 编码。
• 如果当前调用方式不能稳定发送 UTF-8 中文，优先改用明确指定 UTF-8 的请求方式。
• 不要把 ??、乱码、替代字符当作有效任务名称或结果文本。

任务查询结果

对于 cover_record 任务，查询接口会返回标准化状态，以及以下结果字段：

• recordId
• internalTaskId
• userTaskId
• audioUrl
• inferenceUrl
• inputFullUrl
• inputVocalUrl
• inputInstrumentalUrl
• format
• score

可能状态：

• queued
• processing
• succeeded
• failed

结果校验

• 当任务进入 processing 或 succeeded 后，检查返回结果中的关键文本字段是否可读。
• 如果任务名称、结果文本或关联名称出现乱码、??、空值且与原始请求明显不一致，视为异常结果。
• 异常结果不能作为最终交付返回给用户。
• 出现名称或文本异常时，要明确说明编码或写入异常，并建议重新创建任务或改用稳定编码方式重试。

对话行为

• 如果用户说“用这个模型翻唱”“帮我做个 AI 翻唱”，并且已经给出 modelId，就直接创建任务。
• 如果用户要做 AI 翻唱，但还没给出 modelId，先调用 /api/open/v1/cover/models，把可选模型列给用户选。
• 如果用户请求中存在明显的男女声转换意图，在创建前先提醒 pitchShift 建议值：
  • 男转女建议升调 +12
  • 女转男建议降调 -12
• 这类提醒属于创建前的重要参数提醒，不算为了可选字段反复追问。
• 如果用户说“查下这个翻唱任务”“完成了吗”“把结果给我”，且上下文指向明确，就复用当前会话最近一个翻唱 taskId。
• 如果没有明确 taskId，但用户要查状态或结果，就直接让用户提供 taskId。
• 只要请求已经足够创建翻唱任务，就不要追问 reverbType、format 这类可选字段；但如果存在明显的男女声转换意图，仍要先提醒 pitchShift 建议值。
• 将“板式”“plate”视为 reverbType = 1。
• 将“大厅”“hall”视为 reverbType = 2。
• 将“无混响”“dry”视为 reverbType = 3。

最少追问原则

只有在以下情况下才追问：

• 请求里没有明确 modelId
• 请求里没有足够信息推断出可用的任务名称
• 用户要查询状态或结果，但当前上下文没有明确 taskId

不要为了确认以下内容单独追问：

• 可选的 inputFullUrl
• type
• reverbType
• format
• pitchShift

工作流程

1. 先确认用户要的是 AI 歌手翻唱，不是歌手训练。
2. 判断当前是创建模式还是查询模式。
3. 创建模式下，如果没有 modelId，先调用 GET /api/open/v1/cover/models。
4. 将可用模型列表展示给用户选择 modelId。
5. modelId 明确后，再从用户请求中提取翻唱参数并补默认值。
6. 如果请求中存在明显的男女声转换意图，先提醒 pitchShift 建议值；男转女建议 +12，女转男建议 -12。
7. 只有用户明确确认建议值或自行指定后，才把 pitchShift 写入创建请求。
8. 调用创建翻唱任务接口。
9. 返回 taskId、requestId 和当前 status。
10. 用户后续查询状态或结果时，使用已有 taskId 调用任务查询接口。
11. 如果用户明确要求持续等待结果，可以按固定间隔轮询同一个 taskId。
12. 轮询时，状态为 queued 或 processing 就继续等待；状态变成 succeeded 或 failed 就停止。
13. 轮询间隔默认 1 分钟，单次连续轮询默认最多 6 次；如果用户要求继续，再继续下一轮。
14. 回复时优先返回状态。
15. 任务成功后，返回 audioUrl、inputVocalUrl、inputInstrumentalUrl 以及其他可用字段。
16. 任务失败时，明确返回后端 error，不要假装结果已生成。

模型列表返回使用规则

调用 GET /api/open/v1/cover/models 后：

• 使用 data.rows 作为可选模型列表
• 至少向用户展示 modelId 和 modelName
• 有 description、tags、demoUrl、isRecommended 时，一并展示，帮助用户选择
• 用户未选定 modelId 前，不要继续进入创建任务步骤

输出格式

• 创建任务后，回复中应包含：
  • 简短确认
  • taskId
  • 当前 status
  • 有必要时补一句参数理解摘要
• 轮询或查询时，保持回复简洁，先说状态。
• 如果用户要求轮询等待，回复中应说明这是轮询结果，并在结束时明确说明是成功结束还是失败结束。
• 任务成功时，输出顺序优先：
  • audioUrl
  • inputVocalUrl
  • inputInstrumentalUrl
  • inferenceUrl
  • format
  • score

错误处理

• 创建任务返回 400 时，说明请求参数不合法或不完整，并让用户修正模型 ID 或请求字段。
• 创建任务返回 401 时，说明百音开放平台 API Key 无效或当前环境不可用。
• 创建任务返回 402 时，说明账户余额不足。
• 查询任务返回 404 时，说明任务不存在，并让用户提供正确的 taskId。
• 任务状态为 failed 时，有后端错误信息就直接返回。

示例

示例 1：

• User: Use model_123 to make a cover task called Night Song
• 识别结果：
  • create mode
  • modelId = "model_123"
  • taskName = "Night Song"
  • type = 0
  • reverbType = 3
  • format = "mp3"

示例 2：

• User: Use model_456 to cover this song: https://example.com/song.mp3
• 识别结果：
  • create mode
  • modelId = "model_456"
  • inputFullUrl = "https://example.com/song.mp3"
  • infer a short taskName

示例 3：

• User: 帮我做一个 AI 翻唱，但我还没选模型
• 下一步：
  • 调用 GET {BASE_URL}/api/open/v1/cover/models
  • 把返回的 rows 展示给用户选择 modelId

示例 4：

• User: Check the last cover task
• 识别结果：
  • status mode
  • reuse the most recent cover taskId from the same conversation when available

示例 5：

• User: Show me the result for task_abc123
• 识别结果：
  • result mode
  • query GET /api/open/v1/tasks/task_abc123
  • return audioUrl and related fields when status is succeeded

回复规则

• 在任务查询结果明确为 succeeded 之前，不要声称翻唱已经完成。
• 最终结果以任务查询接口返回字段为准，不要猜。
• 如果状态还是 queued 或 processing，就如实返回，不要虚构音频结果。
• 即使成功结果里没有 inputVocalUrl 或 inputInstrumentalUrl，也要返回已有的 audioUrl 和其他字段。
• 最终交付给用户的关键文本结果必须可读且不含乱码。
• 如果返回结果中存在乱码或 ??，必须明确标记为异常结果，不能当作正常成功结果交付。
• 用户只要求“查一次”时，不要擅自长时间轮询。