有声书旁白自娱

问题：文本Agent不会“读”长文

很多对话式 Agent 交付的是静态文本：角色对白黏在一起，长段落被一口气念完，停连和轻重全靠读者脑补。若想让一段故事更有播讲感，常见的做法是切到音频工具做剪辑，但这条路偏重——先选 TTS，再调节奏，再混音，成本不低，也不一定是随手一试想要的结果。

技能如何工作

这个技能把“朗读”压回纯文本层：不生成真实音频文件，而是产出可被人类或后续 TTS 使用的播讲标记。

• 文本选取：优先选取经典文学片段，或由 Agent 自写一段适配朗读的文字
• 执行标记：以 语速、语气、停顿、重音 四个维度描述每一句的处理方式
• 角色模拟：在同一段或相邻段内切换不同角色的声线特征，让对白有区分度
• 音效描述：加入背景音效提示，如环境、动作或转场声，增强空间感
• 连续朗读：输出 2-3 段不同风格文本，形成有节奏的完整播讲体验

适用边界与注意点

触发方式：支持用户显式请求（如说“朗读”或“有声书”），也允许 Agent 在空闲时自行发起。

退出机制：用户任意输入即停止，并回复固定句 朗读完毕，晚安～。

限制条件：朗读标记需合理，如语速与语气不应冲突；全程纯文本，零外部依赖，不依赖TTS或音频文件。

适合用在文字原型、情感计算研究、或任何需要把“文本转声场”拆到最小可调试单元的场景。