Agent Skill

AI有声书制作

这个 AI有声书生成器是有声书制作工具,把最终长篇书稿或课程讲稿,通过 AI 有声书生成和长文本转语音,按章节制作成有声读物。先整理章节顺序和人名、术语的读法,选择适合长时间聆听的旁白,用一个有代表性的样章试听声音、节奏和音频格式,再按顺序完成其余内容。适合文字转有声书、AI 有声书制作、课程旁白和整本一致播读,并提供当前费用估算、按章节分段交付、音色试听与聚焦片段的读音调整。

设计多媒体·beatra·来自 skill_hub·skillhub.cn ↗
skillhub install @beatra-ai/ai-audiobook-narration
14 Stars·10.5万 综合热度·6,133 字文档·源站更新 2026-11-22

README 文档

6,133 字

AI有声书制作

有声书不是一段长 TTS。它是许多按章拆好的结构化交付物。开篇先选三个场景之一:小说;非虚构或课程;或只做样章。把 M4B 封装、翻译和多轨 DAW 混音路由出去。上架封面(beatra.images.generate)、基于已授权样本克隆旁白、章内原生多角色对白场景(beatra.speech.synthesizedialogue)、可选章节拟音或环境声底(beatra.audio.generatesfx),以及章节响度/裁剪/淡入淡出精修(beatra.audio.process),都留在本包。

把最终书稿或课程讲稿制作成按章节排列的音频。像有声书制作人一样工作:保留书稿原意,用「智能语音导演」(beatra.speech.prepare_script)规划长篇节奏,指导固定旁白或章节角色阵容,先用有代表性的样章验证方向,并只在样章获认可后继续扩展。

从最小且完整的准备信息开始

复用用户已经提供的全部内容。开始旁白前,只补齐仍然缺少的必要信息:

  • 至少用于样章的最终可朗读文本;
  • 章节或小节顺序,以及目标 BCP-47 语言或方言;
  • 从全稿提取、经用户确认后再冻结的反复出现人名与术语读音表;
  • 用户要自有定制音色时的旁白或角色录音样本;以及
  • 用户要上架封面时的书名和基调。

缺硬输入就先问,不要编造。建立章节与片段台账。保留预期聆听顺序,标记每个片段,并在章节、小节、场景、段落或句子边界处分段。绝不从句子中间切分。如果 beatra.speech.validate 或合成因文本过长而拒绝,按拒绝信息操作:在自然的章节、小节或句子边界拆分,并按顺序提交各段。如果多角色对话请求因过长被拒,按拒绝信息在场次或轮次处拆分。只移除用户不希望朗读的纯页面内容。文本准备、章内对白场次、选声与样章边界参见章节制作(references/chapter-production.md)。

发现、试听、更新、克隆音色与可行模型路径

用 beatra.voices.list(支持双语 search、limit 最高 500、cursor 分页、属性筛选,对话场景可加 supportsdialogue=true,并查看全部 11 项 capabilities.* 能力字段)以及免费的 beatra.voices.preview(返回 previewurl 与 kind),让用户零费用试听后再冻结不透明、状态就绪的 voiceid 句柄。绝不提交显示名称或凭记忆猜声。用免费的 beatra.voices.update(displayname、makedefault、gender、agegroup、usecase、persona、language)记录作品角色备注或固定整本书的默认演播旁白(makedefault=true)。

用户带来旁白或角色样本时,不要默认直接克隆,而应按语音、音色、克隆与音频收尾(references/speech-and-audio.md)严格落实三项强制确认:

  1. 强制确认 #1 — 授权声明(consentattested: true):通过 scripts/mcpclient.py upload 上传样本前,必须在当前对话取得用户明确确认拥有该声音或已获声音所有者的明确授权。拿到文件不等于授权。
  2. 样本降噪清理(付费):若样本含背景音乐或环境噪声,先通过独立制作卡提出付费 beatra.audio.process(operation="isolatevoice",source,{"capability": "audiovoice_isolation"},4.6 s – 5 min,<= 100 MB)。
  3. 克隆模型选择:按语音、音色、克隆与音频收尾(references/speech-and-audio.md) §5 选择克隆模型。克隆音色将用于多角色对白场景时,选择标明支持多人对话的克隆卡;单一旁白的整本书保持默认。随后出示带有克隆实时价格的制作卡;用户批准后提交一次,如遇拒绝则按计费、错误与恢复(references/billing-errors-and-recovery.md)处理。
  4. 强制确认 #2 — 启用(beatra.voices.activate):当克隆结果或音色列表中的音色状态为 pending_activation 时,使用该音色前须按语音、音色、克隆与音频收尾(references/speech-and-audio.md) §5 的步骤 E 执行。
  5. 强制确认 #3 — 两步永久删除(beatra.voices.delete):删除克隆音色时先仅传 voiceid 调用第一步,展示 paidslotwarning、irreversiblenotice 及 15 分钟有效期,经明确同意后再传 voiceid 与 confirmationtoken 执行第二步。

选模型或核对语言支持前,按准确能力调用 beatra.models.list(texttospeech、texttodialogue、speechscript、voiceclone、soundeffects、audioprocess、audiovoiceisolation 或封面生图能力)。明确指定单人模型时,须位于 voice.compatiblemodels、目录当前可用且支持目标 BCP-47 语言。使用 auto 时收集所有实时可用且与声音兼容的候选项,比对 constraints.supportedlanguages(只用文档别名),仅当全部候选项支持目标语言时才保留 auto。

默认使用 model: "auto"、format: "mp3"、speed: 1.0、volume: 1.0、pitch: 0、subtitle_enable: true(不要传 subtitles——可免费拿回 JSON/SRT/VTT 对齐字幕及对话 segments[]),不设置情绪也不显式设采样率。样章打在全书最难点:小说选对白和专名密集段;非虚构或课程选术语和数字密集段。参见演绎、费用与质量(references/performance-and-quality.md)。

节奏编排与章内对白场次

  • 「智能语音导演」(beatra.speech.preparescript,{"capability": "speechscript"}):在不改书稿任何口播文字、不手写花括号标签的前提下,依据纯文本书稿和 instructions,把长篇停顿、叙述节拍和读音规则直接编译为可执行口播。检查返回的 directed 与 scripts[](若存在 warnings 且出现 synthesis 为 null 先调整),将就绪的 scripts[].synthesis 原样加上新 clientrequestid 传入合成。同时最多 2 个并发任务;48 小时内同正文、同指令、同语种与上下文再次调用 prepare_script 且仅改 voice(及 model)可零加价复用编排(余额须满足准入评估)。
  • 章内多角色对白场景(beatra.speech.synthesizedialogue):当小说或对话章节使用多个满足 capabilities.supportsdialogue == true 的音色时,先跑免费 beatra.speech.validatedialogue,再用 beatra.speech.synthesizedialogue 原生生成整场交锋(拒绝信息说对白过长时,在场次或轮次处拆分并用 previoustext / nexttext 衔接)。也可应用户偏好维持单旁白演绎,或所用音色被拒、方言受限时回退到逐段 beatra.speech.synthesize。

标准流程

先建章节台账并冻结读音表。检索或试听音色(beatra.voices.list、beatra.voices.preview、可选 beatra.voices.update,或已授权样本的 beatra.voices.clone 与待启用时的 beatra.voices.activate)。按需运行「智能语音导演」(beatra.speech.preparescript),提交前跑免费预检(beatra.speech.validate / beatra.speech.validatedialogue)。先出示样章制作卡,通过人工审听后再分批给后续章节报价。上架封面(beatra.images.generate)、章节拟音或环境声底(beatra.audio.generatesfx)或 normalizeloudness 响度收尾(beatra.audio.process)须在当前确认卡里单独列出——绝不把任何收尾说成免费,也不自动重试付费调用。

估价和确认

以下工具免费:beatra.voices.list、beatra.voices.preview、beatra.voices.update、beatra.models.list、beatra.speech.validate、beatra.speech.validate_dialogue、beatra.voices.delete 第一步、beatra.tasks.get、beatra.tasks.list、beatra.wallet.get 与 beatra.wallet.ledger。wallet.get 和 wallet.ledger 仅用于回答用户的余额或账单询问——绝不把 wallet.get 设成提交前的强制检查,也不让用户先自证余额充足。

付费工具(beatra.speech.preparescript、beatra.speech.synthesize、beatra.speech.synthesizedialogue、beatra.voices.clone、beatra.voices.activate、beatra.images.generate、beatra.audio.generatesfx、beatra.audio.process)必须读取实时价格,绝不用记忆数字或写死积分数。按实时卡片 beatraweightedcharacters(每个汉字计 2,其余字符计 1)或免费 beatra.speech.validate / beatra.speech.validatedialogue 计算。

克隆批准不等于样章批准,样章批准不等于其余章节或封面批准,封面/音效/精修批准也不等于配音批准。制作卡须写清范围与次数、已冻结的 voiceid 与控制项、实时估价或 auto 区间、全新 clientrequestid、在此停下可保留内容,以及遇到 insufficientbalance 时原样转述充值 URL。等待明确批准后再执行。

只执行一次、精修与无重复恢复

所有远程 Beatra 工具只能通过随包提供的 scripts/mcp_client.py 调用(工具名作 CLI 参数,JSON 经标准输入传入)。不要配置或调用宿主 Beatra Connector,也不要使用 REST/OpenAPI 作为降级或回退方案。连接排查见随包 MCP Client 连接诊断(references/mcp-connection.md)。

每笔已批准调用仅用其不透明 clientrequestid 提交一次(最长 <= 60 分钟 / 300 MB / 50 calls/day 的 beatra.audio.process 逐次单做一项,如 normalizeloudness -14 LUFS、trim、fade;音效则传入 prompt、durationseconds 0.5–30.0、可选 loop=true 与 model: "auto" 调用 beatra.audio.generate_sfx),随后用 beatra.tasks.get 轮询至终态。

若 taskid 丢失,按确切能力分页调用 beatra.tasks.list(texttospeech、texttodialogue、speechscript、voiceclone、soundeffects、audioprocess、audiovoiceisolation),沿每个 nextcursor 查找并用 beatra.tasks.get 核对。仅当创建响应确实未知且 JSON 逐字段完全一致时,才可复用原 clientrequestid 重放。禁止自动重试;参数改动必须新卡片与新 ID。详见交付与恢复(references/delivery-and-recovery.md)与语音、音色、克隆与音频收尾(references/speech-and-audio.md)。

审听并交付真实结果

按聆听顺序交付每个成功章节或场景的 taskid、音频 URL、artifactid、durationseconds、真实 mimetype、实际采样率、task.links.assets、免费对齐字幕 output.subtitles(及对白 segments[])、解析后的模型、用量与返还计费事实。宿主不能听音时不编造听感评价。只重做最小出错片段,用新卡和新 ID。若项目还需要多轨混音、M4B 封装或发行上架,如实保留需求并将对应环节转到适合的流程。

账户余额

询问余额或费用时调用只读 beatra.wallet.get 或 beatra.wallet.ledger。出现 top_up 区块时按列表原顺序转述档位,不排名也不代选。

安装和账户操作

参见语音、音色、克隆与音频收尾(references/speech-and-audio.md)、安装与授权(references/installation-and-auth.md)、安装注册(references/installation-registration.md)、任务与结果(references/tasks-and-results.md)、计费、错误与恢复(references/billing-errors-and-recovery.md)以及卸载与断开连接(references/uninstall-and-disconnect.md)。

更新与安全

本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息 (中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn)。有新版本时,它下载官方发布包, 逐个文件校验 SHA-256,再替换本 Skill 自己的文件;你放进这个目录的其他文件不会被 改动。替换过程中断时,下次运行会自动恢复到替换前的状态。除此之外,它不下载或执行 任何其他代码,只通过 HTTPS 与 Beatra 官方服务通信;你选择上传的文件只会传到 Beatra 为这次上传签发的一次性地址。

关闭自动更新:python3 scripts/mcp_client.py update --auto off。关闭后,客户端每天 最多提示一次在你安装它的商店里更新的命令。详见更新与安全(references/updates-and-security.md)。

同分类其他技能

查看全部 ›