访客接待话术转语音

要解决的问题

访客接待场景里的欢迎词、楼层指引、会议提醒大多以文字形式存在：前台贴的卡片、工位旁的平板、系统里配置的 greeting_text 字段。真正播报时，要么由人反复口播，要么接入一套独立的 TTS 服务并单独维护脚本。接待词本身很短，但版本分散、改一次要动多处，成本和出错率都不低。

这个技能要处理的是「一段接待词 → 一段可直接播放的语音」这条最短路径：输入已经是定稿的文案，不需要再做内容创作，只需要把文字可靠地变成声音。

核心能力

技能以 @beatra-ai/visitor-desk-voice 为规范名，属于设计多媒体（design-media）类，职责单一：

• 接待词转语音：接收访客接待相关的文本，输出对应的语音结果，覆盖欢迎、登记引导、区域提示这类高频话术。
• 面向接待场景的话术理解：处理的是前台与访客互动语境下的固定句式，而非通用长文朗读。
• 作为大模型技能运行：转换过程在技能调用链内完成，调用方给出文本即可，不必自己拼接 TTS 接口参数。

关键步骤

1. 调用方提供接待词文本，例如「欢迎来访，请在前台登记后前往三楼会议室」。
2. 技能在 design-media 流程中对文本做接待语境下的处理，区分欢迎语、指引语、提醒语等不同用途的表达。
3. 输出语音结果，供前台设备、接待平板或后台播报链路直接使用。

适用边界与注意点

• 文案需要先定稿：技能做的是转语音，不是帮你写接待词。文案错别字、语气问题会在输出中保留，建议上游先校对。
• 短文本为主：面向前台即时播报，适合单条欢迎语、指引句这类长度；长篇介绍类内容不在其目标场景内。
• 语种与音色按技能默认策略：材料未声明可选音色、语速、多语言切换等参数，不要假定可配置项存在，需要时在实际调用中确认。
• 依赖宿主能力：语音合成的具体后端由运行环境提供，技能负责把接待词组织成合适的语音输出，播报设备、音量与网络条件需自行保障。