技能介绍

解决的问题

在多语言产品、自动化工作流或原型验证中，团队常常需要把文本快速转成可交付音频，但本地 TTS 部署成本高，模型自然度又未必稳定。gemini 2.5 tts 把 Gemini 2.5 文本转语音 封装成命令式技能，适合在 Agent 流程中按需调用：给一段 prompt、参数或本地文件路径，返回 dLazy API 生成的音频结果，而不是要求工程师自行维护模型服务。

核心工作方式

该技能是 @dlazy/cli 的轻量封装，核心是调用 dLazy 托管接口完成推理与媒体处理。关键步骤包括：

鉴权：通过 CLI 保存 dLazy API key，或每次通过 DLAZY_API_KEY 传入；key 可从 dLazy 控制台轮换或吊销。
调用：执行 dlazy gemini-2.5-tts，传入 prompt 与相关参数；参数也支持 @N、@stdin 等管道引用，便于串联上游输出。
文件处理：若传入本地图片、视频或音频路径，技能会交给 dLazy 媒体存储处理，最终输出 URL 通常由 files.dlazy.com 托管。
异步任务：带 --no-wait 时返回 task 字段，需要继续用 dlazy status 轮询结果。

适用边界与注意点

它适合需要稳定云推理结果的场景，不适合完全离线或数据不出内网的要求，因为 prompt、参数与本地文件路径可能经过 dLazy API。遇到 unauthorized、insufficient_balance 或后端安全策略错误时，应按提示补齐 key、充值或调整输入。该技能主要提供语音生成调用能力，不负责音频后期、字幕对齐或复杂音色工程。