技能介绍

解决的问题

在商业广告配音生成中，直接将文案喂给 TTS 模型往往会出现语速生硬、情感浮夸、首尾音被截断或背景音污染等问题。尤其是对于需要克制、高级感的品牌旁白，AI 生成的语音常带有浓厚的“机器味”或过度演绎。本技能旨在解决这一痛点：它不直接合成音频，而是将用户的广告文案转化为生产就绪的语音提示词（Prompt），通过严格的文本处理与声学控制指令，确保最终输出的人声干净、专业且符合商业广告的叙事节奏。

工作机制与核心能力

该技能的核心在于将自然语言文案拆解为结构化的 TTS 控制指令，主要包含以下关键步骤：

文本净化与保留：严格提取用户的原始文案，不重写、不润色、不擅自添加口号。仅修正必要的标点，确保品牌名、缩写（如 API）和技术术语不被篡改。
呼吸群划分：针对长文案，自动按语义划分自然停顿，避免在专有名词或数字中间生硬断句。
声学特征锁定：内置了一套标准的商业男声音色（约30岁，低沉磁性，标准普通话），并强制要求“纯人声、无混响、近距离拾音”的录音棚质感。
交付边界控制：在提示词中明确声学指标，例如首词前留白 0.5 秒、正常商业语速（约 220-250 字/分钟）、保留完整尾音，以及尾音结束后至少留白 1.0 秒。

适用边界与注意点

仅输出提示词：除非用户明确要求且当前环境挂载了音频生成工具，否则该技能只提供可复制的提示词文本，不会生成实际的音频文件。
语种限制：当前版本主要针对标准普通话广告配音优化，其他语种或方言可能无法完美适配其内置的声学参数。
依赖底层模型：最终音质取决于调用的底层 TTS 模型对长提示词和控制指令的理解能力。如果模型不支持复杂的参数微调，某些细节指令（如“微弱的沙哑质感”）可能被忽略。