dLazy 音频生成

要解决的问题

当提示词里混合了“生成语音”“做背景音乐”“加音效”等需求时，手工选择 dLazy CLI 的音频模型容易出错：TTS、音乐、SFX、声音克隆分别对应不同命令和参数。dlazy-audio-generate 的目标是把这一步交给代理：先判断任务类型，再选择合适模型并执行。

工作方式

它本质上是 dLazy 托管 API 的薄客户端，依赖 @dlazy/cli 和 dLazy API Key。核心流程包括：

• 根据 generate audio、text to speech、generate music、sound effect 等触发词解析意图；
• 从可用模型中选择：gemini-2.5-tts、doubao-tts、keling-tts 适合 TTS，suno.music 适合音乐，keling-sfx 适合音效，vidu-audio-clone、kling-audio-clone 适合声音克隆；
• 通过 dlazy -h 检查参数后执行命令，并把 prompt、参数发送到 api.dlazy.com；
• 如果传入本地文件路径，CLI 会把文件上传到 dLazy 媒体存储，输出 URL 也由 files.dlazy.com 托管。

注意点

该技能不替代 dLazy 账户体系。调用前需要有效 API Key；缺少 Key 会返回 unauthorized，额度不足会返回 insufficient_balance。涉及本地路径时要注意文件必须可读；异步任务失败会返回 504 及后端原因。由于生成内容依赖第三方 API 和安全策略，敏感提示词、声音克隆素材和输出分发都应先确认授权与合规。