有声读物生成助手

Use when: 用户希望把带有 `[角色]文本` 标记的小说、剧本、故事台词转成多角色有声作品时触发。 适用于旁白、人物对白、角色 ID 已标注清楚的文本内容。Skill 会读取可编辑音色库，分析角色数量与性格特征，匹配最接近的音色，逐段调用 SenseAudio TTS，最后拼接为完整音频并以 `MEDIA...

Security Scan

The skill's code, runtime instructions, and requested credential are consistent with a multi-role TTS adapter that calls the SenseAudio API; nothing in the package indicates hidden exfiltration or unrelated privileges, though there are a few small implementation notes to be aware of.

Purpose & Capability

Name/description (multi-role story→audio) align with the actual code and declared requirement (SENSEAUDIO_API_KEY). The script implements voice-library reading, role analysis, per-segment TTS calls, and audio concatenation as advertised.

Instruction Scope

SKILL.md limits scope to reading the editable voice library, role analysis prompt, and the provided story text, then calling SenseAudio TTS and returning MEDIA:./...; the code follows that flow. It does not read unrelated system files or other environment variables beyond the API key/base.

Install Mechanism

There is no formal install spec (instruction-only + included Python script). The script will auto-install the 'requests' package at runtime using pip if missing (ensure_python_package), which performs a network package install. This is expected for a Python CLI but means the runtime will attempt to modify the local Python environment.

Credentials

Only SENSEAUDIO_API_KEY is declared as required (primary credential) which is proportional for a cloud TTS service. SKILL.md also suggests exporting SENSEAUDIO_API_BASE, though that variable is not listed in requires.env — it's optional in code (defaults to https://api.senseaudio.cn). No other secrets or unrelated env vars are requested.

Persistence & Privilege

The skill is not 'always: true' and uses normal agent invocation. It does not request system-wide persistent privileges, nor does it modify other skills' configs. It writes outputs beneath the workspace outputs/ directory as expected.

Assessment

This skill appears coherent: it needs only your SenseAudio API key to call the vendor's TTS endpoint and produces per-segment WAV output. Before installing, consider: (1) The script will try to pip-install the 'requests' package at runtime if missing — review/allow that network install on your environment. (2) The SENSEAUDIO_API_KEY you provide will be sent to the external SenseAudio API (default host api.senseaudio.cn); only supply a key you trust with this service and consider scoping/rotating it. (3) SKILL.md mentions SENSEAUDIO_API_BASE (optional) though it's not declared as required—if you need a custom endpoint, set that env var. (4) Outputs are written to the workspace outputs/ directory and local files (voice library, analysis JSON) are read/written; verify you are comfortable with that. If you want extra assurance, review scripts/main.py fully in your environment (it is included) before running, and consider running in a sandbox or with a dedicated API key with limited permissions.

Story Audio Adapter

你是“小说/故事有声化”执行助手。这个 Skill 只负责把结构化故事文本变成完整音频作品，并输出适合 Feishu 渠道消费的媒体引用。

何时使用

当用户有这些意图时触发：

• “把这段小说做成有声版”
• “按角色配音这段故事”
• “旁白和角色对白分别配不同音色”
• “根据 [旁白] [男主角1] 这种标记生成完整音频”
• “输出可直接发到 Feishu 的故事音频”

如果用户只是讨论音色设计、Prompt 写法或 API 参数含义，不要直接执行脚本。

最高优先级规则

1. 必须优先读取 references/voice_library.json，把它视为当前唯一有效音色库。
2. 音色库必须保持“用户可编辑”，不要把可配音色硬编码在回复里替代配置文件。
3. 输入文本默认使用 [角色名]内容 结构；未标注角色的纯文本默认视为 旁白。
4. 角色分析必须先统计角色数量，再总结每个角色的人设、年龄感、情绪气质、叙述功能。
5. 音色匹配必须基于文本证据和音色描述，不得随意拍脑袋指定。
6. TTS 必须调用 SenseAudio 官方接口，不得切到本地系统音色或其他第三方服务。
7. 最终完整作品默认输出 wav，因为本 Skill 依赖 Python 原生能力稳定拼接分段音频。
8. 每段文本单独生成音频，再按原文顺序拼接；不要把整篇文本直接扔给单一音色。
9. 当脚本输出 MEDIA:./... 时，最终回复必须包含这行原样内容，供 OpenClaw/Feishu 解析媒体。
10. 如果 SENSEAUDIO_API_KEY 未配置，必须明确报错并停止，不要伪造成功结果。
11. 如果文本或分段超出接口限制，要明确提示用户缩短文本或拆分内容，不要静默截断。
12. 当角色数多于音色库可区分能力时，优先保证主角色和旁白的音色区分，次要角色可以复用近似音色，但要在分析结果中说明。

目录约定

• scripts/main.py：统一 CLI
• references/voice_library.json：用户可编辑音色库
• references/role_analysis_prompt.md：角色分析与音色匹配提示词
• outputs/：默认输出目录

默认音色库

初始音色库包含这些 voice：

• child_0001_a：开心的可爱萌娃
• child_0001_b：平稳的可爱萌娃
• male_0004_a：儒雅道长
• male_0018_a：沙哑青年

用户后续可以直接编辑 references/voice_library.json 增删音色，不需要改脚本。

标准执行流程

步骤 1：检查配置

python3 ./scripts/main.py auth-check

如果缺少 SENSEAUDIO_API_KEY，直接提示用户设置：

export SENSEAUDIO_API_KEY="YOUR_API_KEY"
export SENSEAUDIO_API_BASE="https://api.senseaudio.cn"

步骤 2：查看当前音色库

python3 ./scripts/main.py list-voices

如需扩展音色，优先让用户编辑 references/voice_library.json。

步骤 3：解析文本并做角色分析

读取：

• references/role_analysis_prompt.md
• 用户提供的故事文本
• references/voice_library.json

先输出：

• 角色列表
• 每个角色的性格/语气/叙述职责总结
• 为何匹配到某个音色

如需脚本生成可落盘的分析结果：

python3 ./scripts/main.py analyze --text-file "/path/to/story.txt"

步骤 4：按角色逐段合成

python3 ./scripts/main.py synthesize-story \
  --text-file "/path/to/story.txt"

这一步会：

• 解析 [角色]内容
• 自动生成角色到音色的映射
• 为每段内容单独调用 TTS
• 保存分段音频和元数据
• 拼接成完整 wav

步骤 5：返回 Feishu 媒体

脚本完成后会输出：

• 角色分析 JSON
• 音色映射 JSON
• 分段清单 JSON
• 完整作品路径
• 一行 MEDIA:./...

最终回复里必须保留 MEDIA:./... 这一行，不要只转述文件路径。

推荐工作方式

处理真实请求时按下面顺序：

1. 读取音色库
2. 解析文本结构
3. 读取 references/role_analysis_prompt.md
4. 先给出角色分析和音色匹配
5. 调用 scripts/main.py synthesize-story
6. 回复用户：
   • 角色与音色匹配结果
   • MEDIA:./...
   • 如需要，再附完整作品路径与分析文件路径

输入格式约定

推荐输入格式：

[旁白]夜色很深，街道上只剩风声。
[男主角1]我知道你一定会来。
[女主角1]你还是和以前一样，太自信了。

兼容规则：

• 支持多行文本
• 支持同一角色多次出现
• 空行会被忽略
• 未带 [角色] 的行会并入 旁白

失败处理

• 401/403：API Key 无效或无权限
• 429：请求过频，提示稍后重试
• 单段文本过长：提示用户拆段
• 音色库为空：提示用户先编辑 references/voice_library.json
• 完整作品未生成 MEDIA:./...：至少返回本地路径并说明原因