配音与旁白工作室

在语音合成项目中，开发者和创作者常面临一个核心问题：任务分散且场景各异。短社交口播、长篇有声书、播客节目、多语言适配或品牌音色克隆，各有专用工具和流程。手动在不同工具间切换、管理参数，不仅效率低，还容易出错，尤其当需求混合或跨会话时。

具体问题：碎片化的语音制作

用户可能只是想生成一条推广口播，但后续可能扩展为多语言版本，或需要创建品牌专属音色。如果没有统一协调，就需要分别调用 short-form-voiceover-audio、ai-multilingual-dubbing 或 voice-cloning-studio 等多个技能，并手动维护状态和参数。这带来了路由判断、声音验证、费用计算和结果跟踪的复杂性。

工作室如何工作：路由与标准流水线

配音与旁白工作室作为协调层，解决这个问题。它不是直接执行合成的引擎，而是根据用户意图智能路由，并执行标准的语音合成子任务。其核心能力包括：

• 意图路由与分流：入口处分析请求。例如，明确的“短社交口播”会路由至 short-form-voiceover-audio；“有声书”路由至 ai-audiobook-narration。未覆盖的混合或长篇任务则由本工作室直接处理，并建立制作台账。
• 标准声音与模型验证：无论路由到何处，每次操作都会调用 beatra.voices.list 实时验证声音状态（voice_id 必须为 ready）。使用 model: "auto" 时，会根据声音的 compatible_models 和语言支持情况，从 beatra.models.list 返回的候选池中实时构建可选模型。
• 制作卡与付费确认：所有付费操作（如 beatra.speech.synthesize 或 beatra.voices.clone）都基于一张制作卡。卡片包含已确认文本、声音、模型、语言、控制参数和费用估算。用户明确“生成”即视为批准。克隆操作有独立入场卡，需用户确认余额。
• 带台账的顺序交付：长篇或多语言任务采用台账管理。先交付用户确认的试制片段，再交付剩余部分。音频结果（包含 audio.url、duration_seconds 等）按批准顺序返回，已接受的片段保持不变。

整个流程通过随包的 scripts/mcp_client.py 脚本与 Beatra 后端交互，不直接使用 REST API。

注意事项与适用边界

• 纯语音边界：本工作室只负责语音生成和克隆子任务。它不制作完整视频，不执行口型同步，不转录，也不编辑现有音频波形。相邻的视频制作等结果会交给其他工作流。
• 授权与合规：声音仿声必须获得授权。克隆声音前，必须确认说话者身份或授权，并使用 scripts/mcp_client.py upload 上传样本。未授权操作会被拒绝。
• 技术约束：所有 Beatra 操作必须通过指定的 mcp_client.py 脚本，以 JSON 格式输入。它拒绝配置宿主连接器或使用 REST/OpenAPI 降级方案。客户端会自动检查更新，但更新失败不影响当前命令执行。
• 费用与恢复：克隆是付费操作，通常需要充值（入门套餐 ¥29/11,000 分）。合成根据字符数计费（中文字符算2个）。请求失败时，使用本地保存的 client_request_id 进行恢复，但字段变化需新请求。