Doubao TTS

工作流

1. 检查 python3、ffprobe；稿件超过单段上限时额外检查 ffmpeg。
2. 未配置时，让用户在终端执行配置命令；不要索取或回显 API Key。
3. 将用户提供的中文稿保存为 UTF-8 文本，或通过 --text 直接传入短句。
4. 调用 scripts/doubao_tts.py synthesize。默认保持原始语速、音量和音调；只有用户明确要求时才调整。
5. 检查命令返回的 JSON：status 必须为 ok，duration_seconds 必须大于 0，且输出文件存在。
6. 把音频绝对路径交给用户试听；不要代替用户判断声音是否自然、像本人或情绪是否准确。

配置

在 Skill 目录中执行：

python3 scripts/doubao_tts.py configure \
  --api-key-stdin \
  --speaker '<复刻音色 ID>'

命令会把个人配置写入 ~/.config/doubao-tts/config.json 并设为 0600。配置、API Key 和完整个人音色 ID 不得写入 Skill、项目文件、Git、日志或回答。

环境变量 DOUBAO_TTS_API_KEY、DOUBAO_TTS_SPEAKER、DOUBAO_TTS_RESOURCE_ID、DOUBAO_TTS_MODEL 可临时覆盖配置。DOUBAO_TTS_CONFIG 可覆盖配置文件路径。

合成

短文本：

python3 scripts/doubao_tts.py synthesize \
  --text '这是一段中文短视频配音。' \
  --output ./voiceover.mp3

长稿与数值调节：

python3 scripts/doubao_tts.py synthesize \
  --text-file ./script.txt \
  --output ./voiceover.mp3 \
  --speech-rate 10 \
  --pitch -1 \
  --loudness-rate 5 \
  --tone-fidelity

复刻 2.0 风格提示：

python3 scripts/doubao_tts.py synthesize \
  --text-file ./script.txt \
  --output ./voiceover.mp3 \
  --style-prompt '用自然、克制、有亲和力的短视频旁白语气演绎'

--text 与 --text-file 二选一。输出已存在时默认拒绝覆盖；确认目标正确后使用 --force。参数边界：语速和音量 [-50, 100]，音调 [-12, 12]。

失败处理

• missing_config：让用户执行配置命令，或临时设置环境变量。
• dependency_missing：安装 JSON 中点名的系统命令；不要自动安装依赖。
• service_error：记录脱敏错误、请求 ID 和服务端 LogID，不要重试收费请求，除非用户同意。
• style_prompt 被服务端拒绝：去掉该参数生成数值调节版本，并说明当前音色不支持实验性风格提示。
• 任意失败后确认最终目标文件未被半成品覆盖；脚本会自动清理临时分段。

能力范围、请求字段与已知冲突见 references/capabilities.md。