音频免费版

dlazy 音频生成基础客户端(免费版)。通过 dlazy CLI 调用 doubao-tts 与 keling-tts 两个基础 TTS 模型, 支持中英文文本转语音、音色与语速控制。适用于有声书朗读、配音原型、语音播报等基础场景.

Dlazy Audio LITE

基础版音频生成客户端,通过 dlazy CLI 调用 doubao-tts 与 keling-tts 两个基础 TTS 模型,完成中英文文本转语音. 范围外(本技能不做): 音乐生成、音效生成、语音克隆、多角色对话、管道串联、ElevenLabs、Gemini、Qwen、Suno 等高级模型(需升级付费版).

输入格式

参数名	类型	必填	说明
input	string	是	Dlazy Audio LITE处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

bash

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

核心能力

本工具的核心能力包括：通过dlazy CLI调用基础TTS模型,支持中英文文本转语音。具体功能详情请参考下方能力说明表格与使用场景.

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

认证

所有请求需 dLazy API Key。推荐:

bash

dlazy auth set YOUR_API_KEY

Key 持久化到本地配置(./.dlazy/config.json 或 %USERPROFILE%\.dlazy\config.json)。也可通过 DLAZY_API_KEY 环境变量按次传入. Key 获取: 登录 dlazy.com,在 dashboard/organization/api-key 创建. 安全红线: 永不接受、回显或存储来自聊天输入的 Key;Key 仅作认证用途.

可用音频模型(基础)

• doubao-tts: 字节豆包语音合成,多语言多音色,流式高自然度,适合中文新闻播报与有声书
• keling-tts: 可可西 TTS,支持语言、音色、语速、输出格式,适合配音与语音播报

升级提示: ElevenLabs 多角色对话、Suno 音乐生成、ElevenLabs 音效、即时语音克隆、Gemini 与 Qwen TTS、管道串联等高级能力仅在 dlazy-audio-generate 付费版中提供.

适用场景

场景	典型输入	输出内容
中文有声书朗读	为这段中文文本生成女声朗读	MP3 音频文件
中英文配音	用男声朗读这段英文简介	MP3 音频文件

不适用于: 音乐生成、音效生成、语音克隆、多角色对话、管道串联(需升级付费版)

使用流程

校验 API Key

bash

[ -n "${DLAZY_API_KEY:-}" ] || dlazy auth status

若 Key 缺失,引导用户:

1. 登录 dlazy.com,在 dashboard/organization/api-key 创建 Key
2. 终端运行 dlazy auth set YOUR_API_KEY 或 export DLAZY_API_KEY=${API_KEY:?请设置环境变量}
3. 配置完成后重新发起生成请求

选择模型

• 中文新闻/有声书: 优先 doubao-tts
• 中英文配音/语音播报: 优先 keling-tts

构造并执行命令

bash

dlazy doubao-tts --text "你好,欢迎收听本期播客" --voice "female-warm" --output intro.mp3

处理结果

• 成功: stdout 输出 JSON 信封,含 result.outputs[].url
• 失败: 按"错误处理"章节诊断并修复

案例展示

案例一： 中文有声书朗读

场景: 有声书团队需要为一段中文文本生成女声朗读音频

bash

dlazy doubao-tts \
  --text "本章我们将探讨人工智能在音频生成领域的最新进展。从文本转语音到音乐生成,AI 正在重塑内容创作的方式。" \
  --voice "female-warm" \
  --output chapter-intro.mp3

输出: chapter-intro.mp3 文件路径

说明: doubao-tts 在中文长文本朗读上自然度高,--voice 选择女温暖音色适合有声书场景.

案例二： 中英文配音

场景: 产品团队需要为中英文混排的产品介绍生成男声配音

bash

dlazy keling-tts \
  --text "欢迎使用我们的产品。Welcome to our product, designed for global users." \
  --voice "male-professional" \
  --speed 1.0 \
  --output product-intro.mp3

输出: product-intro.mp3 文件路径

说明: keling-tts 支持中英混排,--speed 1.0 控制语速。--voice 选择专业男声适合产品介绍场景.

错误处理

错误场景	错误信息	原因分析	处理方式
401 unauthorized	code: "unauthorized"	Key 缺失或失效	引导用户访问 dlazy.com/dashboard/organization/api-key 获取并 dlazy auth set
501 missing_param	error: required option '--text <text>' not specified	必填参数未提供	运行 dlazy doubao-tts -h 查看必填参数并补全
503 insufficient_balance	code: "insufficient_balance"	账户余额不足	明确告知用户余额不足,引导访问 dlazy.com/dashboard/organization/settings?tab=credits 充值
503 server_error	HTTP status code error (500 server crash)	dLazy 服务端错误	等待 2 秒后检查网络连接和配置后重试,最多 3 次
504 task_failed	=== Generation Failed ===	异步任务失败	检查网络连接和配置后重试,检查 prompt 是否含敏感内容

常见问题

Q1: 免费版支持哪些模型?

A: 免费版(LITE)支持 doubao-tts 与 keling-tts 两个基础 TTS 模型。付费版(dlazy-audio-generate)额外提供 ElevenLabs 系列、Gemini、Qwen、Suno 音乐、音效生成、语音克隆等 15+ 模型,以及管道串联能力.

Q2: 如何获取并配置 dLazy API Key?

A: 登录 dlazy.com,在 dashboard/organization/api-key 创建 Key。终端运行 dlazy auth set YOUR_API_KEY 持久化到本地配置,或通过 DLAZY_API_KEY 环境变量按次传入.

Q3: 支持哪些语言?

A: doubao-tts 与 keling-tts 均支持中英文。doubao-tts 在中文长文本上自然度较高,keling-tts 支持中英混排与语速控制。其他语言支持情况以 dlazy 官方文档为准.

Q4: 余额不足怎么办?

A: CLI 返回 code: "insufficient_balance" 时,明确告知用户余额不足,引导访问 dlazy.tab=credits 充值。充值后可直接重试生成请求.

已知限制

1. 基础模型: 仅支持 doubao-tts 与 keling-tts,不支持音乐/音效/克隆/对话(需升级付费版)
2. 依赖 dLazy API: 必须配置 DLAZY_API_KEY,无 Key 环境无法使用
3. API 端点固定: api.dlazy.com 与 files.dlazy.com,不支持自建部署
4. 生成质量取决于 prompt 描述: 文本与音色描述越具体,结果越符合预期
5. 安全策略限制: prompt 含敏感内容会触发 504 task_failed

---

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

想要音乐生成、音效、语音克隆、多角色对话? 升级到 dlazy-audio-generate 付费版解锁 15+ 高级音频模型.

输出格式

json

{
  "success": true,
  "data": {
    "result": "Dlazy Audio LITE处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "dlazy-audio-generate"
    }
  },
  "execution_log": [
    "解析输入参数",
    "执行核心处理",
    "格式化输出结果"
  ],
  "error": null
}