药品说明书语音大字版生成

要解决什么问题

社区医院、家庭照护里，老年人常对着小字药品说明书犯难；视障或阅读困难的人也很难快速抓住用法用量和禁忌。把纸质说明书拍成照片后，人工重排大字版、再录一段简短提示，既慢又难统一格式。

本技能面向「用药说明无障碍化」：从一张说明书图片出发，自动抽出结构化要点，并同时产出适老化大字版图片和不超过 100 字的 TTS 播报，便于大屏、手机或音箱场景使用。

技能如何工作

整体是异步工作流，不能指望一次同步返回最终结果。

1. 合规与输入：校验图片输入（img_url 支持公网 URL 或 base64），并做提示词优化。
2. 图像理解提取：从图中严格抽取药名、适应症/功能主治、用法用量、禁忌、不良反应、注意事项等六大要素。
3. 双路重构：把散乱文本改成适合播报的精简口语稿；并生成 3:4 比例大字版排版的生图提示词。
4. 并行生成：一条链路轮询 GLM-TTS 拿到音频 URL；另一条轮询文生图任务拿到大字版图片 URL。
5. 交付与展示：汇总图片与音频链接；有 appKey 时通过 scripts/execute_task.py 提交任务、scripts/query_task.py 轮询，每一轮查询都应把当前核心数据同步给用户。

未配置 showapi_appkey 时，会走 ShowAPI 的模拟接口一次性返回示例 JSON，仅用于预览效果，不经过上述脚本的真实异步链路。

适用边界与注意点

• 识别质量依赖清晰、光照良好的说明书原图；模糊或遮挡会直接影响提取与生图。
• 语音文案刻意压缩在百字内，只覆盖最核心的安全提示，不能替代完整说明书或医嘱。
• 所有真实调用均为强制异步：先拿 task_id，再轮询至完成；不支持同步模式。
• 凭证在 ShowAPI 控制台获取；模拟结果与真实生成内容不可混用。