技能介绍

要解决什么问题

做视频配音、播报或朗读演示时，Agent 往往只会「用文字假装在读」，或者在没有合法 voice_id 的情况下乱编 UUID，任务一创建就失败。方言、口音、情绪这类需求也不能靠「找一个叫四川话的音色名」——在 Flyapsara 里要靠 mode: instruct2 和 instruct_text 用自然语言描述。

本技能把 Agent 的行为约束到 Flyapsara HTTP TTS API 上：有具体正文就先合成音频，而不是只解释原理或比较各家服务商。

技能如何工作

鉴权与环境：在门户配置 FLYAPSARA_API_KEY（需 voice:read、tts:task:create 等 scope）；自建网关时设置 FLYAPSARA_BASE_URL。
选音色：先 GET /v1/tts/voices，从 data.voices[] 取真实 voice_id；instruct2 时优先选带 reference_asset_id 的项，避免缺参考音导致失败。
创建与轮询：POST /v1/tts/tasks（text、voice_id；方言场景加 instruct2 + instruct_text），约 2 秒间隔轮询 GET /v1/tts/tasks/{task_id}，建议上限约 60 次。
取结果：仅在 data.status === succeeded 后请求 GET .../result，交付 data.result.download.url（预签名、会过期）或本地落盘路径；output_format 省略时默认 mp3，也可 wav / pcm。
缺省策略：language 默认 zh，mode 默认 zero_shot；instruct2 下正文少于 6 字时优先请用户补全，避免 INVALID_TEXT_TOO_SHORT。

适用边界与注意点

适用：用户已给出可朗读的具体文本，需要旁白、配音、朗读文件。
不要用：只有 TTS 概念咨询、没有可合成正文，或纯比较服务商。
失败处理：401/403 查 Key 与 scope；429 配额；轮询超时仍返回 task_id；failed / cancelled 勿再依赖 /result；下载 403 应重新 GET result，勿当永久链接缓存。