耳畔书房
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_4b7ebbd9/blog-audio。
技能介绍
要解决什么问题
技术博客、笔记或访谈脚本往往只适合阅读，很难直接变成可听的播客或竖屏短视频。手工配音、剪辑波形和进度条成本高，而很多 TTS 方案要么收费，要么输出只有干音频、没有「播客感」的视觉包装。
耳畔书房面向这类内容：把 Markdown/纯文本一键走通「朗读音频 → 可选播客风视频」，并针对对谈脚本做了男女双音色与时间轴，而不是只做整段单声朗读。
技能如何工作
核心依赖 Edge TTS（免费接口）生成 MP3，本地 FFmpeg 合成 MP4，不消耗积分。
- 模式 A · 单声：整篇用一个音色朗读，适合文章、独白。
- 模式 B · 对话：按行识别
问/Q/男/主持人与答/A/女/嘉宾等标记，男声默认zh-CN-YunjianNeural、女声默认zh-CN-XiaoxiaoNeural；无标记行续接上一回合。对话模式会额外产出dlg_timeline.json，供视频按说话人复用时间轴。
视频为竖屏 9:16（默认 1080×1920）：深色底、顶部标题与作者、中央圆角封面、48 根动态波形柱（对话时男声琥珀金、女声青蓝，并显示问/答标签）、底部进度条与时间戳。可调 --fps、--resolution、--rate 及对话模式的 --voice-male / --voice-female。
适用边界与注意
单声文本建议控制在约 3000 字以内；对话脚本宜一句一答、每行一个回合。封面推荐正方形 PNG/JPG（≥500×500）。典型 3 分钟音频、15fps 时，视频编码大约需要 3～5 分钟；30fps 更顺但耗时约翻倍。首次运行会检测并安装缺失依赖。
使用场景
- 技术博客或笔记定稿后，用单声模式生成整篇 MP3，供播客平台或读者离线收听
- 访谈、对谈稿已按「问/答」或 Q/A 分行标记，需要男女双音色 MP3 及 dlg_timeline.json 再合成视频
- 文章已有正方形封面图，要输出 9:16 竖屏 MP4：标题、动态波形柱与底部进度条，用于短视频渠道
- 对话脚本需区分主持与嘉宾：视频中男声琥珀金波形、女声青蓝波形，并显示当前说话人标签
适合人员
- 维护个人博客、希望每篇长文额外发布音频版的独立写作者
- 手上有对话体逐字稿、要先试听男女双音色再决定是否真人录制的播客编辑
- 负责视频号或抖音投放、要把文章包装成带封面与波形的竖屏播客片的自媒体运营
- 撰写中文深度长文或资讯稿、需要指定云健、晓晓等 Neural 音色做朗读试听的技术作者
相关技能
根据产品图、场景图和卖点文案生成可交互 HTML 产品详情页，支持多产品轮播、在线改字、设计控制台，并可导出 PDF、JPG 或 PSD 规格。
输入素材名称，查找并返回免费可商用视频素材的预览与下载链接；结果不足时同步给出付费平台入口、价格和搜索优化建议。
调用微软 Edge 在线语音合成，无需 API Key，将文本转成 MP3，并支持语音、语速、音调与无头播放。
按产品事实规划亚马逊 MAIN、Listing 与 A+ 套图，输出自包含生图说明和 QA 状态。