技能介绍

要解决什么问题

工程师或内容创作者经常要在同一套流程里做朗读、播客、转写、字幕翻译、配音和竖版短视频，但各家的 TTS/ASR API 要单独申请 Key、计费口径也不一致。VoxFlow 把这类能力收敛到 voxflow CLI：一个账号、一套配额，由技能按意图路由到对应子文档再执行命令，而不是在对话里硬猜参数。

技能如何工作

使用前先做意图分流（与技能包内路由表一致）：

朗读与探索：读 hub.md，用 say、narrate、story、voices、status、login 试听音色、查配额与登录态。
多说话人播客：读 podcast.md，用 podcast 从主题、URL 或脚本生成节目。
转写与视频管线：读 transcribe.md，覆盖 asr、translate、dub、video-translate、summarize、publish 等；长任务会返回作业 ID，可用 asr-jobs 续查。
长文竖版卡片视频：读 slice.md，slice / slice stage 输出 1080×1920 竖屏（含多主题）。
短 AI 片段：读 video.md，picstory、present、explain、slides、image 等。

认证走 voxflow login 或环境变量 VOXFLOW_TOKEN（无头场景）；不要把 API Key 写进配置文件，也不要用 mock 代替真实调用。执行前 CLI 会打印该命令的配额消耗；用户用中文提问时，默认优先匹配中文音色。

适用边界与注意点

请求跨多个场景时，先完成最相关子文档对应的一步，再切换文档，避免参数与配额估算混乱。
Azure Batch ASR、视频翻译、超过约 5 分钟的播客等属于长运行任务：应保留 job ID 并告知如何用 voxflow asr-jobs show 后续查看。
免费档每月约 10,000 配额（文档估算约相当于百次量级 TTS 调用）；更高档位与定价以 voxflow.studio 为准。
意图模糊时先从 hub.md 入手，用 voices --search 或 status 把能力落到具体命令上再开工。