关于 layer-audio
layer-audio 是面向音效、音乐和语音生成的技能，指导如何编写提示词并使用 Layer 工具完成生成、轮询和试听。它按音频用途分别说明提示重点与常见问题。
主要功能
- 01涵盖音效、音乐和语音生成
- 02按用途组织提示词建议
- 03说明模型字段与参数选择
- 04提供生成、轮询和试听流程
适用场景
- 01制作游戏界面或游戏内音效
- 02为游戏场景生成背景音乐
- 03分段生成旁白或角色语音
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/layer-audio确认已加载。
详细介绍
分层音频生成
概述
三种截然不同、几乎毫无共同之处的用例：sound_effects、music 和
text_to_speech。选择一种，然后按照该领域的预期方式编写提示词。循环流程和费用门槛见 layer 技能。
如果此处提到的同级技能不在你的可用技能中，请让用户安装它
（npx skills add layerai/skills --skill <name>）；如果没有人值守，则根据工具架构继续操作，并指出缺少的技能。
音效
描述实际发生的事件，而不是感受。是什么物体，由什么材料制成，正在做什么，规模如何，发生在什么空间里。“沉重的橡木门，带铁铰链，缓缓打开时发出低沉的吱呀声，随后砰地一声撞上石墙”才是声音。“恐怖的门声”只是情绪板。
决定游戏音效是否可用，有三个关键因素：
- 空间。 生成的音效通常会自带房间环境音，除非你明确要求排除。对于将由引擎添加混响的素材，请要求干声、近距离麦克风录制且无其他声音。湿声效果之后无法变成干声。
- 时长。 UI 音效都很短，如果不指定目标时长，模型会生成需要裁剪的尾音。请明确说明。
- 每次生成一个事件。 脚步声、拔剑声和撞击声是三项素材。要求生成一段连续动作只会得到一个文件，之后还得自己拆分。
对于 UI 音效集，请分别生成每种状态，并在每条提示词中都提到相同的声音特征，这样确认、取消和悬停音效听起来才像同一系列。
音乐
说明流派、乐器配置、节奏、情绪和用途。用途是最容易被忽略、却最重要的一项：即使风格相同，菜单循环曲、战斗层、Boss 登场曲和片尾曲的写法也各不相同。
说明曲目不应该做什么。游戏背景音乐不应有抢耳的主旋律与对白争夺注意力。写明“简约、没有主旋律、作为人声背景”比反复生成三次更快达到目标。
如果模型提供结构化字段（lyrics、instrumental、speed），请使用这些字段，而不是用文字重复描述相同内容。get_base_model 可以确定该用哪些字段。对于必须循环的曲目，应保持编曲平稳，而不要逐渐推向无法衔接开头的高潮。
语音
使用 text_to_speech 进行筛选。发送经过整理的脚本，并使用正确的标点，因为模型会把逗号和句号当作语速提示。把任何可能产生歧义的内容拼写清楚：数字、首字母缩略词或虚构的奇幻名称，否则模型会按自己的方式读出来。如果“Aelthyr”必须在所有角色的台词中读法一致，就需要用音标式拼写标注读音。
将语气指导与台词分开：语速、活力、年龄、口音和情感基调。每个角色固定使用一种声音，并在整个项目中重复使用相同的声音选项，因为声音在不同台词间发生变化，比声音本身不太合适更容易被察觉。
长篇旁白应按段落长度分块生成，而不是一次调用全部生成。四分钟的录音中只要有一个词读错，整段录音就得重做。
示例
“我们需要一个用于物品栏界面的拔剑音效。”
- 使用
filter.use_case: "sound_effects"调用list_base_models。选择第一个结果，然后调用get_base_model，查看其时长和格式字段。 - 描述事件：“单把钢制长剑从皮革剑鞘中快速拔出，发出明亮的金属鸣响，短促衰减。干声、近距离麦克风录制、无其他声音、无房间混响、无环境音、无音乐。时长不到一秒。”
- 调用
estimate_forge_price，然后执行时将batch_size设得足够大，以便从多个结果中挑选，因为音频生成成本低，且不同结果之间的差异较大。 - 按照
poll_interval_seconds轮询，交付前先试听结果，不要直接采用第一个文件。
常见错误
- 描述声音带来的情绪，而不是实际发生的物理事件。
- 接受已经带有混响的音频素材，而引擎会将其置于自己的空间中。
- 在一次生成中要求生成一连串事件，然后手动拆分音频文件。
- 对 UI 音效不说明时长。
- 不说明音乐提示的用途，导致背景循环音轨带有主旋律。
- 提交未添加标点的脚本，或提交没有标注读音的虚构名称。
- 一次调用生成四分钟的旁白。