音频生成工具-免费版

音频生成工具（免费版）

概述

音频生成工具免费版是一款面向个人创作者的文本转语音与基础音效生成工具。通过 dlazy CLI 自动选择最佳音频模型，将文本转换为自然流畅的语音输出，支持中英双语及多种语言. 本版本适合个人视频配音、有声书朗读、社交媒体内容制作等场景。采用 API Key 认证，配置简单，开箱即用.

核心能力

免费版支持的模型

处理流程：执行音频生成命令,调用对应模型API处理文本输入,返回生成的音频文件。用户通过参数指定模型和语音风格.

能力边界

输入格式

支持功能:
  - 文本转语音（3个TTS模型）
  - 基础音效生成（1个SFX模型）
  - 中英双语支持
  - 标准音色选择
# ...
不支持（需专业版）:
  - 语音克隆（Voice Clone）
  - 音乐生成（Music Generation）
  - 多角色对话（Multi-voice Dialogue）
  - 声音库搜索（Voice Search）
  - 管道链接（Pipe Chaining）

处理: 解析免费版支持的模型的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回免费版支持的模型的响应数据,包含状态码、结果和日志.

核心功能执行

用input_params参数进行配置.

处理: 解析核心功能执行的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回核心功能执行的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：轻量级文本转语音、支持多语言、与基础音效生成、适合个人内容创作、音频生成工具免费、面向个人创作者的、文本转语音与基础、音效生成方案、核心能力、自动模型选择、支持中英双语及多、API、Key、认证与本地配置等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

核心功能执行(补充)

执行核心功能执行操作,使用input_params参数进行配置.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

使用场景

场景一：视频配音制作

为短视频或教学视频生成旁白配音.

# 使用 doubao-tts 生成中文配音
dlazy doubao-tts \
  --text "欢迎来到本教程，今天我们将学习如何使用音频生成工具提升内容创作效率。" \
  --language "zh" \
  --voice "female-warm"
# ...
# 使用 gemini-2.5-tts 生成中英混合配音
dlazy gemini-2.5-tts \
  --text "Hello everyone, 今天我们来说说 AI 音频生成技术的最新进展。" \
  --voice "neutral"

场景二：有声书章节朗读

将文本章节批量转换为音频.

# 有声书章节朗读脚本
import subprocess
import os
# ...
def generate_audiobook_chapter(text_file, output_dir="audio_output"):
    """将文本文件转为音频"""
    os.makedirs(output_dir, exist_ok=True)
# ...
    with open(text_file, 'r', encoding='utf-8') as f:
        text = f.read()
# ...
    chapter_name = os.path.splitext(os.path.basename(text_file))[0]
    output_path = os.path.join(output_dir, f"{chapter_name}.wav")
# ...
    # 调用 dlazy CLI 生成音频
    cmd = [
        "dlazy", "doubao-tts",
        "--text", text,
        "--language", "zh",
        "--voice", "male-calm",
        "--output", output_path
    ]
    result = subprocess.run(cmd, capture_output=True, text=True)
    print(f"章节 {chapter_name} 生成完成: {output_path}")
    return output_path
# ...
# 批量处理章节
chapters = ["chapter01.txt", "chapter02.txt", "chapter03.txt"]
for chapter in chapters:
    generate_audiobook_chapter(chapter)

场景三：基础音效生成

为视频或游戏生成环境音效.

# 生成雨声环境音
dlazy keling-sfx \
  --prompt "轻柔的春雨声，打在树叶上，持续背景音" \
  --duration 10
# ...
# 生成提示音
dlazy keling-sfx \
  --prompt "清脆的电子提示音，短促，用于通知提醒" \
  --duration 2

不适用场景

以下场景音频生成工具-免费版不适合处理：

• 版权受保护的媒体内容处理
• 实时直播推流
• 专业影视后期

触发条件

需要视频处理、音频编辑、媒体转换、配音生成时使用。不适用于非本工具能力范围的需求.

快速开始

依赖详情

# 方式一：免安装直接运行
npx @dlazy/cli@latest 
# ...
# 方式二：全局安装
npm install -g @dlazy/cli@latest
# ...
# 设置 API Key
dlazy auth set YOUR_API_KEY

第二步：生成第一段语音

# 查看模型帮助
dlazy doubao-tts -h
# ...
# 生成语音
dlazy doubao-tts --text "你好，这是第一段AI生成的语音。" --language "zh"

第三步：获取 API Key

1. 访问 dlazy.com 注册账号
2. 进入 dashboard 的 API Key 页面
3. 复制 API Key
4. 执行 dlazy auth set YOUR_API_KEY

响应解析: 完成完成后,查看输出响应确认任务状态。成功时输出包含解析摘要和响应数据;失败时根据错误信息排查问题,查阅错误解析章节获取恢复步骤.

示例

API Key 配置

# 方式一：永久保存（推荐）
dlazy auth set YOUR_API_KEY
# 配置文件位置:
#   macOS/Linux: ~/.dlazy/config.json
#   Windows:     %USERPROFILE%\.dlazy\config.json
# ...
# 方式二：环境变量（临时）
export DLAZY_API_KEY="YOUR_API_KEY"
# ...
# 方式三：单次调用传入
DLAZY_API_KEY="YOUR_API_KEY" dlazy doubao-tts --text "测试"

常用参数配置

# doubao-tts 常用参数
dlazy doubao-tts \
  --text "要朗读的文本内容" \
  --language "zh"          # 语言: zh, en, ja, ko
  --voice "female-warm"    # 音色选择
  --speed 1.0              # 语速: 0.5-2.0
  --output "./output.wav"  # 输出路径
# ...
# keling-tts 常用参数
dlazy keling-tts \
  --text "要朗读的文本内容" \
  --voice "storyteller"    # 旁白音色
  --speed 1.0
  --format "wav"           # 输出格式: wav, mp3

最佳实践

1. 文本分段：长文本按段落分割生成，避免单次请求过长.
2. 音色一致：同一项目使用同一音色，保持听觉一致性.
3. 语速适配：教学类内容语速 0.9，新闻类 1.0，娱乐类 1.1.
4. 格式选择：WAV 质量高体积大，MP3 适合网络传输.
5. 预览检查：生成后先试听前 10 秒，确认效果再批量生成.

免费版最佳实践:
[ ] 文本已按段落分割（单段 < 500字）
[ ] 音色已确定并保持一致
[ ] 语速根据内容类型调整
[ ] 输出格式符合使用场景
[ ] API Key 已安全配置
[ ] 余额充足（检查 dlazy.com/dashboard）

常见问题

Q: API Key 如何获取？

A: 访问 dlazy.com 注册账号，在 dashboard 的 API Key 页面生成。每个 Key 绑定你的组织，可随时轮换或撤销.

Q: 提示 insufficient_balance 怎么办？

A: 表示余额不足，请访问 dlazy.com/dashboard/organization/settings?tab=credits 充值.

Q: 免费版支持语音克隆吗？

A: 免费版不支持语音克隆。需要 ElevenLabs Voice Clone、Qwen Voice Clone 等功能请升级至专业版.

Q: 生成的音频保存在哪里？

A: API 返回的音频 URL 托管在 dlazy 文件服务上。可通过 --output 参数指定本地保存路径.

Q: 支持哪些语言？

A: doubao-tts 支持中英日韩等多语言；gemini-2.5-tts 专注中英双语；keling-tts 支持语种设置.

已知限制

A: 建议单次请求文本不超过 500 字。长文本请分段生成，专业版支持管道链接自动串联.

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux
• Node.js: 16+（dlazy CLI 运行需要）

第三方依赖

API Key 配置(补充)

• 必需: dlazy API Key
• 获取方式: 访问 dlazy.com/dashboard/organization/api-key
• 配置方式: dlazy auth set YOUR_API_KEY 或环境变量 DLAZY_API_KEY
• 安全说明: 配置文件权限限制为当前用户，存储在用户配置目录

可用性分类

• 分类: MD+EXEC+API（Markdown指令 + 命令行 + 外部API调用）
• 说明: 轻量级AI Skill，通过dlazy CLI调用云端音频生成API
• 适用规模: 个人创作者，轻度使用

错误处理

输出格式

{
  "success": true,
  "data": {
    "result": "音频生成工具-免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "dlazy audio"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}