AI语音工作室

解决的核心问题

在语音合成项目中，用户的需求往往不是单一的“生成一条语音”。您可能需要为一篇长文章录制旁白，其中部分段落可能要克隆特定音色，另一些段落则需要翻译成其他语言。这种混合了多步骤、多路线（如长篇制作、多语言、克隆）的复杂任务，需要一个协调者来管理状态、顺序和成本，而不是让您在不同工具间手动切换。

工作原理与核心能力

AI语音工作室 (@beatra-ai/beatra-ai-voice-studio) 作为语音制作的统一协调层，其工作模式如下：

1. 智能路由与意图识别：技能首先分析用户指令。如果目标明确且被其他专门技能覆盖（例如，一条清晰的短视频口播 short-form-voiceover-audio，或一期播客 ai-podcast-voiceover），它会将任务分流出去。对于复杂、混合或模糊的请求，它将在本工作室内继续处理。
2. 制作卡片与确认流程：对于需在本工作室处理的任务，它会准备一份精确的 制作卡，其中包含：

已确认的最终文本（或经过适当朗读化处理并经您确认的版本）。
一个实时验证过的准确 voice_id（通过 beatra.voices.list 确认状态为 ready）。
基于实时查询的 model 选择与费用估算（基于加权字符数 beatra_weighted_characters）。
所有控制项（如语速 speed、音量 volume）。
您需批准此制作卡后，才会进行可能产生费用的操作。

1. 流程编排与台账管理：对于多段、多语言或混合任务，技能会维护一份制作台账，明确记录克隆、语言、章节的顺序。它确保按您批准的路线和顺序交付结果，并且在修改时只重新合成被明确允许的片段。
2. 成本控制边界：技能严格区分免费规划与付费执行。文稿整理、声音列表、试听链接、模型比较等步骤不计费。只有调用 beatra.speech.synthesize 或 beatra.voices.clone 时才会产生费用。它会在付费操作前提供清晰的估算并请求最终确认。

适用边界与注意点

请注意本技能的明确边界：

• 它不是：视频编辑器、口型同步工具、媒体发布器或音频转录/波形编辑器。它专注于文本到语音的转换以及相关音色克隆流程。
• 核心限制：所有交互通过随包的 scripts/mcp_client.py 进行，不得使用其他降级方案。对于声音克隆，必须提供明确授权，并在操作前出示详细的“克隆入场卡”以确认余额和成本。
• 技术依赖：声音和模型的兼容性（如语言支持、模型列表）必须通过实时 API 查询确认，状态为 ready 的声音才会被推荐。model: "auto" 是根据声音的 compatible_models 实时计算得出的候选集，而非固定选项。