sjinn-audio-generation

SJinn Audio Generation

ユーザーがSJinnを通じて、テキストから音声を作成したい場合にこのスキルを使用します。参照音声や参照画像を使って生成をガイドすることもできます。

前提条件

生成する前に、CLIとログイン状態を簡単に確認します。

sjinn --version
sjinn auth whoami

いずれかのコマンドが失敗した場合は、まずsjinn-setupを使用します。

モデルとパラメーター

現在利用できる音声モデルは1つだけです。

seed-audio-1-0（ByteDanceのSeed Audio 1.0） - .mp3を生成します。

パラメーター	必須	seed-audio-1-0でのサポート
--prompt	はい	音声の説明テキストです。参照音声は、--audio-urlsに渡した順に@Audio1／@Audio2／@Audio3としてプロンプト内で指定します。
--audio-urls	いいえ	参照音声ファイルまたはURLを最大3つ指定します（mp3、m4a、wav）。カンマ区切りで指定します。--image-urlsとは同時に使用できません。
--image-urls	いいえ	参照画像を1つ指定します（jpg、jpeg、png、webp）。--audio-urlsとは同時に使用できません。

参照音声と参照画像を同時に使用することはできません。

ワークフロー

1. 結果を解析しやすくするため、JSON出力を優先します。
2. ユーザーが明示的に待機を希望していない限り、実行時間の長いジョブには--asyncを使用します。
3. ユーザーが結果をローカルに保存するよう依頼した場合のみ、--download [path]を使用します。

コマンド

テキストから音声を生成：

sjinn audio generate --prompt "a calm female voice reading a bedtime story" --model seed-audio-1-0 --async --json

参照音声を使用（プロンプト内で指定）：

sjinn audio generate --prompt "narrate in the style of @Audio1 with the energy of @Audio2" --audio-urls "./ref-a.mp3,./ref-b.wav" --model seed-audio-1-0 --json

参照画像を使用：

sjinn audio generate --prompt "background music matching the mood of this scene" --image-urls "./scene.png" --model seed-audio-1-0 --async --json

結果をローカルにダウンロード：

sjinn audio generate --prompt "short upbeat jingle" --model seed-audio-1-0 --download ./jingle.mp3 --json

出力の処理

成功した場合は、タスクID、メインURL、追加URL（あれば）、モデル、経過時間を返します。statusがcreatedの場合は、sjinn-task-statusでタスクの状態を確認するようユーザーに伝えます。

エラーの場合は、CLIのエラーを簡潔に要約します。CLIが見つからない、または認証されていないことをエラーが示している場合に限り、sjinn-setupを提案します。