AI有声书制作

解决的核心问题

有声书制作远不止将长文本丢进 TTS 引擎。它需要处理结构化交付：书稿被拆分为章节，必须保持旁白声音的一致性，并通过样章验证方向。具体问题包括：如何从最终文稿生成可听的章节音频；如何在用户自有旁白样本时进行声音克隆并控制成本；如何确保跨章节的发音、术语一致性；以及如何管理多步骤付费流程以避免意外扣费。

工作流程与核心能力

该技能模拟专业有声书制作人工作，核心步骤如下：

• 结构化准备：从用户提供的最终可朗读文本开始，按章节、小节或场景边界分段，绝不从句子中间切分。建立本地章节台账，记录每个片段的顺序和语言（BCP-47）。在合成前，需冻结反复出现人名与术语的读音表。
• 声音获取与模型选择：用户有旁白样本时，通过 beatra.voices.clone 创建克隆声音，但必须先出示包含实时价格（调用 beatra.models.list）、充值链接和赠额事实的克隆入场卡，等待用户确认余额足够。无样本时，使用 beatra.voices.list 选择现有声音。始终使用返回的 voice_id，而非显示名称。模型默认 auto，但需检查目标语言兼容性；若任何潜在候选项不支持，则必须明确列出可行选项供用户选择。
• 样章验证与付费确认：首先制作样章（小说选对白密集段，非虚构选术语密集段）。生成包含所有细节（范围、声音、模型、费用估算公式）的当前制作卡，用户明确批准后才调用 beatra.speech.synthesize。每笔付费操作（克隆、合成、封面生成）都独立，需单独确认。费用基于 beatra_weighted_characters（汉字权重2，其他字符权重1）实时计算。
• 任务管理与交付：每次合成通过 scripts/mcp_client.py 提交，返回 task_id 后仅用 beatra.tasks.get 轮询至终态。交付时提供实际返回的所有事实（如 task_id、音频 URL、duration_seconds）。如果无法播放音频，需诚实说明未试听并请用户审核。修正受影响片段属于新付费工作。

注意事项与边界

• 不包含的工作流：该技能专注于从最终文本到章节音频的制作。如果需要源文件导入、翻译、多人混音、M4B 封装、母带处理或发布支持，这些要求应转交给其他合适工作流，不要在此包中尝试。
• 付费与恢复：所有付费调用禁止自动重试。任务恢复时，若 task_id 丢失，只能通过 beatra.tasks.list 和 beatra.tasks.get 按时间窗口和内容匹配，绝不能凭空声称还原了请求标识。只有当原始结果确实因传输失败而未知时，才可完全一致地重放相同请求。
• 声音与演绎限制：默认支持单旁白演绎。如果用户需要多人声音混合或编辑，应保留此需求并转交其他工作流，而非削弱为单旁白处理。精确时长控制需通过语速调整和片段生成后对比偏差，不能保证首次命中。
• 自动更新：随包客户端会静默检查并安装更新，但仅限于 Beatra 官方来源，且会进行完整性校验。失败时当前安装仍可用。