Brclio/Skills

Cola 語音交付

以 ListenHub 兩種指定的語音生成長篇中文腳本，並交付每個片段以及完整的合併 MP3。此工作流程旨在防止長輸入失敗以及語音變體之間的意外覆蓋。

簡單呼叫

將技能呼叫加上附件的文字檔案視為完整的使用者輸入。請勿要求使用者自行分割、貼上、上傳、重新命名、下載或合併任何內容。預設輸出包含兩種語音：

• 曉曼：所有有序的 MP3 片段加上一個合併的 MP3
• Cola：所有有序的 MP3 片段加上一個合併的 MP3

片段數量是動態的：根據來源長度和可靠的 TTS 輸入大小來選擇，而不是用固定的數量。短文字可能只產生一個片段；長 Podcast 腳本可能產生許多片段。成功的執行直到所有檔案都存在於本地，且每個檔案都以 MEDIA: 行交付才算完成。如果使用者明確要求僅一種語音，則交付該語音的完整集合；否則生成兩種語音的完整集合。

語音註冊表

使用以下精確的 ListenHub 播音員 ID：

• Xiaoman / 曉曼：chat-girl-105-cn
• Cola：chatb812x-500306f5

請勿互相替代。在最終回應中，需說明每個檔案組所使用的確切語音。

接受的輸入

接受純文字或附加的文字/文件檔案。如果輸入是 Podcast 音訊檔案或 Podcast URL，請先使用 ASR/語音辨識功能進行轉錄，然後使用產生的逐字稿作為旁白來源。保留逐字稿的順序，並在有意義時區分不同的說話者或章節。

生成策略

使用兩階段、保留章節的管線，而非將長附件或私有檔案 URL 直接傳送給 ListenHub：

1. 將來源標準化為可朗讀的文字，同時保留原始敘述順序和有意義的章節標題。
2. 在章節或段落邊界處分割，使每個 TTS 請求保持在可靠的輸入大小內，並且失敗的請求可以重試，而無需重新生成整個作品。
3. 分別使用曉曼和 Cola 生成相同的有序片段集合。保持語音執行的獨立性，使一種語音的失敗或重試不會取代另一種語音。
4. 輪詢每個 ListenHub 集數直到成功，然後下載其回傳的 audioUrl。使用生成的音訊 URL，而非服務的摘要或大綱。
5. 將片段儲存在特定語音的目錄下，並在每個預期的片段都存在後才進行合併。驗證兩個合併輸出的時長和大小。
6. 交付每個片段和兩個合併檔案。這樣可以實現單一章節的替換，同時保持有聲書的完整播放便利性。

直接傳遞原始片段文字是有意為之：ListenHub 可能會拒絕本地路徑和私有的上傳文字 URL 作為無效來源。如果 ListenHub 端點特別要求 URL 或 HTML 來源，請建立一個包含跳脫來源文字的臨時 HTML 文件（置於 article 元素內），僅在使用者授權後上傳，並傳遞產生的可獲取 URL。將 HTML 視為備用傳輸方式，而非取代直接片段生成；如果 HTML URL 被拒絕，請恢復為直接片段文字。分離的名稱和目錄同樣是有意為之：共享的輸出名稱可能會覆蓋先前有效的語音版本。

工作流程

1. 在生成音訊之前，讀取完整的輸入或轉錄內容。保留來源順序和措辭。僅移除不應朗讀的標記，例如 Markdown 標題語法，除非使用者要求逐字朗讀文件。當標題是腳本的一部分時，保留有意義的章節標題和旁白提示。
2. 估計可靠的輸入大小並動態分割。優先選擇章節邊界（##、章節標題或自然段落分隔），然後在段落邊界處分割過大的區塊。根據需要任意數量的片段；切勿強制固定數量（例如 11 個）。使用零填充索引命名片段：00、01、02，以此類推。
3. 對於每種要求的語音，使用以下參數呼叫 ListenHub create_tts：
   • language: zh
   • tts_type: text
   • tts_mode: direct
   • 所選播音員 ID
   • 恰好一個片段的原始文字
4. 使用 check_status 輪詢每個回傳的集數，直到 processStatus 為 success。按片段順序記錄回傳的 audioUrl。請勿將集數大綱用作音訊來源；它可能是摘要而非提供的腳本。
5. 在本地下載每個成功的音訊 URL。為每種語音使用單獨的目錄，例如：
   • xiaoman-listenhub-parts/00.mp3
   • cola-listenhub-parts/00.mp3
6. 使用內建的 scripts/merge_mp3.sh 或等價的 FFmpeg concat 工作流程合併每種語音的片段。使用獨立且明確的輸出名稱：
   • 全文朗讀-曉曼-ListenHub合併版.mp3
   • 全文朗讀-Cola-ListenHub合併版.mp3 切勿將兩個變體寫入共享的檔名。
7. 使用音訊探測器驗證每個合併檔案。報告時長和檔案大小，並在交付前確保所有預期的片段檔案都存在。
8. 為每個檔案交付一條 MEDIA: /absolute/path 行：包括兩個合併檔案以及兩種語音的所有分段檔案。請勿僅交付目錄或僅交付合併版本。

輸入與故障處理

• 如果本地附件無法直接傳遞給 ListenHub，則在本機讀取它，並直接將片段文字傳遞給 create_tts。請勿將本地路徑作為旁白內容傳遞：ListenHub 會逐字讀取路徑或拒絕它。
• 如果私有的上傳文字 URL 因 Invalid input at source 而被拒絕，請停止重試該 URL，改用直接片段文字。
• 如果生成成功但下載其 audioUrl 超時，請針對回傳的 ListenHub 資產主機重試，並保留集數 ID 和 URL 映射。
• 如果語音生成失敗，請勿悄悄替換為另一種語音。報告失敗的語音，並保留任何成功生成的語音檔案。
• 透過選擇新的、特定語音的檔名來保留現有檔案。覆蓋先前語音的合併檔案會導致有效的可交付成果遺失。
• 對於長腳本，生成可能需要付費且耗時數分鐘。將此工作追蹤為多步驟任務，僅在兩種要求的語音組、其片段和合併檔案都經過驗證後，才標記為完成。

最終驗收檢查

在回答之前，驗證完整鏈條，而不僅僅是某個 TTS 請求成功：

1. 原始文字或 Podcast 逐字稿已被完整讀取，且其章節順序已被保留。
2. 根據輸入長度選擇了動態片段數量；未假定固定區段數量。
3. 兩種要求的語音都存在相同的動態選取片段索引。
4. 每個片段都有一個已下載且非空的 MP3 檔案。
5. 每種語音都有一個單獨的合併 MP3，沒有共享檔名或覆蓋。
6. FFprobe 或等價的音訊探測器報告兩個合併檔案的時長和大小。
7. 最終回應標明兩個精確的播音員 ID，並包含每個片段和每個合併檔案的一條 MEDIA: 行。

如果任何檢查失敗，繼續處理或報告特定的失敗語音/片段；請勿聲稱完整交付。

交付檢查清單

• 每次生成都使用了正確的播音員 ID
• 所有來源章節均已按順序涵蓋
• 每種要求的語音的每個片段都已被下載
• 合併檔案具有區分語音的獨立名稱
• 時長和檔案大小已檢查
• 所有片段檔案和兩個合併檔案均已透過 MEDIA: 行交付