audio-producer-agent

音频制作器

创作单人音频内容：有声书、配音、旁白、短曲等。

这是一个编排技能，它组合了：

• 文本转语音 / 旁白（Gemini TTS、ElevenLabs 或 OpenAI TTS）
• 背景音乐 / 环境音频（Lyria）
• 音频合成（通过 media-utils 使用 FFmpeg）

对于对话和交谈，请改用 podcast-producer。

可以创作的内容

类型	示例
有声书	对文本 / 章节进行长篇旁白
配音	为视频、演示文稿或幻灯片配旁白
音频广告	广播或播客广告
短曲	简短的品牌音乐，可选配标语
声音标识	音频品牌标识（几秒钟）
语音导览	博物馆 / 旅游风格的旁白
冥想	配有环境音频的引导式放松
音景	环境音频场景

前提条件

• GOOGLE_API_KEY - 用于 Gemini TTS（语音）和 Lyria（音乐）
• 已安装 FFmpeg：brew install ffmpeg

工作流

第 1 步：收集需求（必需）

⚠️ 不要跳过此步骤。使用交互式提问——每次只问一个问题。

问题流程

⚠️ 对以下每个问题都使用 AskUserQuestion 工具。 不要只在回复中列出问题——使用该工具创建带有所示选项的交互式提示。

Q1：类型

“我来为你制作音频！首先——你需要哪种类型的音频？

• 有声书 / 旁白
• 配音（用于视频 / 演示文稿）
• 音频广告 / 广播广告
• 短曲 / 声音标识
• 冥想 / 引导式音频
• 或描述你自己的需求”

等待回复。

Q2：内容

“要朗读的文本 / 内容是什么？

• 在此粘贴文本
• 或描述你的需求，我来撰写”

等待回复。

Q3：语音

“你想要什么语音风格？

• 专业
• 温暖 / 友好
• 充满活力
• 平静 / 舒缓
• 戏剧化
• 或描述你自己的需求”

等待回复。

Q4：音乐

“你需要背景音乐吗？

• 需要——描述音乐风格（环境、欢快、电影感等）
• 不需要——仅语音”

等待回复。

Q5：时长

“目标时长是多少？

• 自然时长即可
• 或指定时长（例如，30 秒、2 分钟）”

等待回复。

快速参考

问题	决定事项
类型	处理方式和输出格式
内容	TTS 输入文本
语音	语音选择和风格参数
音乐	是否生成并混合音乐
时长	语速和内容长度

---

第 2 步：准备内容

用于旁白 / 配音：

• 优化文本以便朗读（必要时将数字改写为文字）
• 添加自然的停顿点（逗号、句号）
• 如果内容超过 32k 个词元，请拆分成长段

用于短曲 / 音频广告：

• 撰写标语 / 文案
• 确定音乐风格
• 规划结构：音乐前奏 → 人声 → 音乐尾奏

用于有声书：

• 按章节拆分
• 考虑为不同部分采用不同的语音风格
• 规划环境音乐（轻柔、低音量）

---

第 3 步：生成素材

类型：配音 / 旁白

生成旁白（Gemini TTS）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Your narration text here..." \
  --voice Charon \
  --style "Professional, measured pace, warm and authoritative"

如有需要，生成背景音乐（Lyria）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "subtle ambient, corporate, unobtrusive, background" \
  --duration 120 \
  --density 0.2 \
  --brightness 0.4

将人声与音乐混合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice narration.wav \
  --music background.wav \
  --music-volume 0.15 \
  --fade-in 2 \
  --fade-out 3 \
  -o final_voiceover.mp3

---

类型：音频广告 / 广播短广告

结构：30 秒广播广告

0-3s:   Music hook (attention grabber)
3-25s:  Voice with music bed underneath
25-30s: Music + tagline + CTA

生成充满活力的音乐：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "upbeat, energetic, advertising, catchy, radio jingle" \
  --duration 35 \
  --bpm 120

生成特定风格的语音：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Tired of ordinary coffee? Wake up to extraordinary! Premium beans, perfect roast, delivered fresh. Visit BestCoffee.com today and get 20% off your first order!" \
  --voice Puck \
  --style "Energetic, radio announcer style, enthusiastic, clear call to action"

混合并合成：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice ad_voice.wav \
  --music ad_music.wav \
  --music-volume 0.35 \
  --fade-in 1 \
  --fade-out 2 \
  -o radio_ad.mp3

---

类型：短曲 / 声音标识

制作带标语的短曲：

生成朗朗上口的音乐：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "catchy jingle, memorable, brand audio, upbeat, major key" \
  --duration 10 \
  --bpm 110 \
  --scale C

生成标语：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "TechCorp. Innovation for tomorrow." \
  --voice Kore \
  --style "Confident, aspirational, slight pause between company name and tagline"

将标语与音乐混合：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice tagline.wav \
  --music jingle.wav \
  --music-volume 0.5 \
  -o brand_jingle.mp3

制作声音标识（仅音乐）：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "sonic logo, 3 seconds, memorable, brand identifier, simple, distinctive" \
  --duration 5 \
  --bpm 100

---

类型：有声书

处理章节：

# Chapter 1
python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text-file chapter1.txt \
  --voice Algieba \
  --style "Audiobook narrator, measured pace, engaging storytelling" \
  -o chapter1.wav

# Chapter 2
python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text-file chapter2.txt \
  --voice Algieba \
  -o chapter2.wav

可选：添加轻柔的环境音乐：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "ambient, subtle, reading music, calm, unobtrusive, soft piano" \
  --duration 600 \
  --density 0.1 \
  --brightness 0.3

串接章节：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_concat.py \
  -i chapter1.wav chapter2.wav chapter3.wav \
  --crossfade 0.5 \
  -o audiobook.mp3

---

类型：冥想 / 放松音频

生成舒缓的旁白：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Close your eyes. Take a deep breath in... and slowly release..." \
  --voice Achernar \
  --style "Calm, soothing, slow pace, relaxing, gentle, meditation guide"

生成环境音景：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "ambient, meditation, peaceful, nature sounds, gentle, calming" \
  --duration 300 \
  --density 0.1 \
  --brightness 0.6

混合音频并提高环境音量：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice meditation_guide.wav \
  --music ambient.wav \
  --music-volume 0.5 \
  -o meditation_session.mp3

---

第 4 步：交付结果

交付示例：

"✅ 您的音频广告已准备就绪！

文件： coffee_radio_ad.mp3（30s）

创作内容：

• 充满活力的配音（Puck 音色，电台播音员风格）
• 节奏明快的背景音乐（120 BPM）
• 音乐在语音下方自动降低音量，并在结尾淡出

结构：

• 0-3s：音乐引子
• 3-25s：语音 + 背景音乐
• 25-30s：音乐渐强 + 标语

您希望我：

• 尝试其他音色？
• 调整音乐的活力程度？
• 调整时间安排？"

---

按类型推荐语音

音频类型	推荐音色	风格方向
企业配音	Charon、Orus	专业、沉稳
有声书	Algieba、Despina	流畅、引人入胜
电台广告	Puck、Laomedeia	充满活力、明快
冥想	Achernar、Sulafat	平静、舒缓
品牌广告语	Kore、Alnilam	自信、令人难忘
纪录片	Gacrux、Rasalgethi	成熟、权威
教程	Achird、Charon	友好、清晰

按类型推荐音乐

音频类型	Lyria 提示词	设置
企业配音	"subtle, professional, ambient"	density: 0.2, brightness: 0.4
电台广告	"upbeat, energetic, catchy"	bpm: 120, density: 0.6
有声书	"soft, ambient, unobtrusive"	density: 0.1, brightness: 0.3
冥想	"peaceful, ambient, nature"	density: 0.1, brightness: 0.6
品牌广告曲	"catchy, memorable, brand"	bpm: 110, density: 0.5

---

限制

• Gemini TTS 上限：每次请求最多 32k 个 token（较长的内容需拆分）
• Lyria 仅支持器乐：背景音乐中不含人声
• 处理时间：生成较长的有声书需要一定时间

示例提示词

配音：

"为这段脚本创作专业配音：'...' 并添加微妙的企业风格背景音乐。"

音频广告：

"为我们的咖啡品牌创作一段 30 秒的电台广告。充满活力、令人难忘，并配上朗朗上口的音乐。结尾加上 'Visit BestCoffee.com'"

品牌广告曲：

"为 TechCorp 创作一段 5 秒的品牌广告曲。风格现代、令人难忘，并加入标语 'Innovation for tomorrow'"

有声书：

"将这段文本转换成有声书章节。使用温暖、引人入胜的旁白音色，并添加微妙的氛围音乐。"

冥想：

"创作一段 5 分钟的引导式冥想。使用平静、舒缓的语音，并配上宁静的氛围背景音乐。"