技能介绍

要解决什么问题

短视频、课程或数字人管线里，经常需要把定稿文案快速变成可播放的配音，而不是每次手动进剪辑软件录读或找外包。本技能面向「文案 + 音色名 → 音频文件」这条链路：在已安装鲸剪桌面端的前提下，通过官方 CLI 调用 voice.clone，把文本合成成 wav 或 mp3，输出路径由命令返回的 JSON 中的业务字段给出。

技能如何工作

工作流本质是四条检查与一次合成：

若命令未开放，先执行 cli enable --id voice.clone。
用 auth whoami 确认登录态与 VIP（data.isVip === true）。
必填 --text（文案）与 --voice（音色库名称）；音色名需事先通过 voice list 核对，不要凭猜。
解析 stdout 单行 JSON：ok === true 时向用户说明是否成功与输出路径；stderr 仅用于排错，不要转述给用户。

可选参数包括 --format（默认 wav）、--emotion（默认 neutral）、--speed（语速，Windows 侧更常用，建议约 0.8～1.3）。可与「音频驱动数字人」等后续步骤串联，但本技能本身只负责克隆配音成片。

适用边界与注意点

平台差异：Windows 多为本机合成；macOS 走云端，文案长度 ≤2000 字，且有每日配额；配额用尽应停止重试循环。
能力外：数字人成片、智能 BGM 不在范围内。
对用户说话：只汇报成功/失败、输出路径、以及可执行建议（登录、VIP、配额、路径等）；不要暴露 token、内部字段名、stderr 日志或引擎/接口细节。
安全：禁止在对话中粘贴完整 token；临时 auth set-token 仅作急救，仍以桌面端登录为准。