Audio

/gen:audio - AI 音频生成

支持语音合成（TTS）、AI 音乐生成和音效生成。

使用方式

# TTS 语音合成
/gen:audio --tts "欢迎使用我们的产品"
/gen:audio --tts --voice female-cn "中文女声播报"
/gen:audio --tts --provider elevenlabs "English narration"

# AI 音乐生成
/gen:audio --music "轻快的电子背景音乐，适合产品演示"
/gen:audio --music --duration 30 "60bpm lo-fi beats"

# 音效生成
/gen:audio --sfx "按钮点击音效"
/gen:audio --sfx "成功提示音，清脆悦耳"

参数

• --tts — 语音合成模式
• --music — 音乐生成模式
• --sfx — 音效生成模式
• --provider <name> — 指定 provider
• --voice <id> — 语音角色（TTS 模式）
• --duration <seconds> — 时长
• --format <fmt> — 输出格式（mp3/wav/ogg）
• --output <path> — 输出路径

Provider 映射

执行步骤

Step 1: 检查 Provider 配置

CONFIG_FILE="$HOME/.gen-providers.yaml"

# 根据模式确定 provider
case "$MODE" in
    tts) DEFAULT=$(yq '.defaults.audio_tts' "$CONFIG_FILE") ;;
    music) DEFAULT=$(yq '.defaults.audio_music' "$CONFIG_FILE") ;;
    sfx) DEFAULT=$(yq '.defaults.audio_sfx' "$CONFIG_FILE") ;;
esac

PROVIDER="${SPECIFIED_PROVIDER:-$DEFAULT}"
STATUS=$(yq ".providers.$PROVIDER.status" "$CONFIG_FILE")

if [ "$STATUS" != "active" ]; then
    echo "[WARN] 音频 provider '$PROVIDER' 未配置或已过期"
    echo "[INFO] 运行 /gen:init --provider $PROVIDER 配置"
    exit 1
fi

Step 2: 生成音频

TTS - 通义 (Sambert):

# 阿里云语音合成 API
# 支持多种音色：zhitian_emo（情感女声）、zhiyan（标准女声）等

TTS - ElevenLabs:

curl -s "https://api.elevenlabs.io/v1/text-to-speech/$VOICE_ID" \
    -H "xi-api-key: $API_KEY" \
    -d '{"text": "$TEXT", "model_id": "eleven_multilingual_v2"}'

音乐 - Suno:

# Suno API: 提交音乐生成任务
# 支持 prompt 描述风格、节奏、乐器

音效 - ElevenLabs SFX:

curl -s "https://api.elevenlabs.io/v1/sound-generation" \
    -H "xi-api-key: $API_KEY" \
    -d '{"text": "$DESCRIPTION", "duration_seconds": $DURATION}'

Step 3: 保存结果

OUTPUT_DIR="${OUTPUT:-assets/audio}"
mkdir -p "$OUTPUT_DIR"

# 根据类型分目录
case "$MODE" in
    tts) SUB_DIR="voice" ;;
    music) SUB_DIR="music" ;;
    sfx) SUB_DIR="sfx" ;;
esac

OUTPUT_PATH="$OUTPUT_DIR/$SUB_DIR/$FILENAME.$FORMAT"

输出目录

assets/audio/
├── voice/        # TTS 语音
├── music/        # 背景音乐
└── sfx/          # 音效

注意事项

• 未配置有效 provider 时不执行，只提示配置方法
• TTS 长文本会自动分段合成再拼接
• 音乐生成耗时较长（30s-2min），异步轮询
• Suno 有每日生成额度限制
• 音效时长建议 1-5 秒