@aswless_854771076/ai_short_studio_cli 0.1.30 → 0.1.31

package/README.md

@@ -87,7 +87,7 @@ CLI 通过 `/api/v1/bootstrap` 完成版本、连通性与 Supabase 公共配置
 
 百炼 CosyVoice 的 `tts` 节点通过实时 schema 提供音色、语言、格式、采样率、音量、语速、音调和声音指令。先用 `canvas settings get` 确认最终 `audioModel`，再从 `canvas node types` 返回的 `tts.configSchema` 选择字段和值；CLI 会在写入前校验必填字段、类型、整数、枚举和数值上下限。
 
-声音克隆使用实时目录中的 `voice-clone` 节点：参考音频连接 `audio`，成功后将 `voice` 输出连接到 `tts.voice`，无需手工复制音色 ID。
+声音设计使用实时目录中的 `voice-design` 节点：提供声音描述并按 schema 配置试听文本、目标模型等参数，成功后将 `voice` 输出连接到 `tts.voice`。声音克隆使用 `voice-clone`：参考音频连接 `audio`，成功后同样连接 `voice` 输出，无需手工复制音色 ID。
 
 运行 `ai-short-studio <topic> --help` 查看精确参数。可执行命令使用完整产品名 `ai-short-studio`，同时避免与其他 CLI 冲突。所有结构化响应保持 JSON；API 错误也返回稳定的 `error.code`、`status`、`retryable` 和 `details`。
 

package/dist/commands/canvas/node/types.d.ts

@@ -1,5 +1,6 @@
 import { BaseCommand } from '../../../base-command.js';
 export default class CanvasNodeTypes extends BaseCommand {
+    static description: string;
     static args: {
         kind: import("@oclif/core/interfaces").Arg<string | undefined, Record<string, unknown>>;
     };

package/dist/commands/canvas/node/types.js

@@ -2,6 +2,7 @@ import { Args } from '@oclif/core';
 import { BaseCommand } from '../../../base-command.js';
 import { commandApi } from '../../../command-helpers.js';
 export default class CanvasNodeTypes extends BaseCommand {
+    static description = '读取服务端实时画布节点类型与 schema';
     static args = { kind: Args.string() };
     static flags = BaseCommand.baseFlags;
     async run() { const { args, flags } = await this.parse(CanvasNodeTypes); const { api } = await commandApi(flags); const catalog = await api.nodeTypes(); this.print(args.kind ? catalog.nodeTypes.find((item) => item.kind === args.kind) ?? null : catalog); }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@aswless_854771076/ai_short_studio_cli",
-  "version": "0.1.30",
+  "version": "0.1.31",
   "description": "VVICAT 无限画布项目命令行工具",
   "license": "MIT",
   "private": false,

package/skills/using-vvicat-ai-short-studio-cli/SKILL.md

@@ -50,17 +50,18 @@ description: Use when an agent needs to inspect or operate VVICAT infinite-canva
 3. 实际查看图片/视频/音频预览；核对人物身份、场景、道具、动作顺序、构图、连续性，以及黑帧、拉伸、裁切、破音、空结果等明显缺陷。能从资产元数据取得的画幅和时长必须与配置交叉核对。
 4. 输出简短审计结论，逐项列出通过项、缺陷、失败项和未决项。只读即可确认的问题直接补查；涉及再次付费生成、改选版本或覆盖用户内容时先展示问题并取得确认。自我审计不能替代用户选版和阶段确认。
 
-## TTS 与声音克隆
+## TTS、声音设计与声音克隆
 
-语音交付使用 `audio`、`voice-clone` 和 `tts` 节点，并以服务端实时节点目录为准：
+语音交付使用 `audio`、`voice-design`、`voice-clone` 和 `tts` 节点，并以服务端实时节点目录为准：
 
-1. 先执行 `canvas settings get` 和 `canvas node types --json`，确认最终生效的 `audioModel`、`tts.configSchema`、`voice-clone.configSchema` 及端口。不要根据百炼网页文档猜测当前服务已支持的字段或音色。
+1. 先执行 `canvas settings get` 和 `canvas node types --json`，确认最终生效的 `audioModel`、`tts.configSchema`、`voice-design.configSchema`、`voice-clone.configSchema` 及端口。不要根据百炼网页文档猜测当前服务已支持的字段或音色。
 2. `tts` 的文本通过 `text` 输入端口或 `config.text` 提供；音色通过 `tts.voice` 连线或 `config.voice` 提供。连线音色优先于手填值，并使任务采用该克隆产物记录的精确 CosyVoice 目标模型。执行前必须回读画布，确认文本、音色和最终 `audioModel` 一致。
 3. `cosyvoice-v3.5-plus` 与 `cosyvoice-v3.5-flash` 只接受声音设计或声音克隆生成的同型号音色 ID，不接受 `longxiaochun`、`longxiaochun_v3` 等系统预置音色名，也不能混用其他 CosyVoice 型号的 ID。违反该约束会在供应商请求前返回 `COSYVOICE_TTS_CUSTOM_VOICE_REQUIRED:<model>`；不要通过反复更换预置音色重试。
-4. 需要克隆时，先创建或绑定含已授权参考音频的 `audio` 节点，再创建 `voice-clone`，连接 `audio.audio → voice-clone.audio`。按实时 schema 确认 `prefix`、`targetModel`、`languageHints`、`maxPromptAudioLength` 和 `enablePreprocess`；`prefix` 只含字母和数字且不超过 10 位，参考音频截取范围为 3～30 秒。声音克隆会创建远端资源，任务不自动重试；失败时先检查输入，不得盲目重复执行。
-5. 运行 `voice-clone` 后取得真实任务 ID 并执行 `task wait`。成功后刷新画布，确认产物包含非空音色 ID 和与 `targetModel` 对应的模型键，再连接 `voice-clone.voice → tts.voice`。不得预先猜测音色 ID，也不要把任务 ID、节点 ID 或预置音色名当作音色 ID。
-6. CosyVoice `tts` 只写实时 schema 声明的 `languageHints`、`format`、`sampleRate`、`volume`、`cosyRate`、`pitch` 和 `instruction`。默认值通常为 WAV、24000 Hz、音量 50、语速 1、音调 1；最终仍以实时 schema 为准。`instruction` 只用于 schema 和有效模型共同允许的型号，最多 100 个计权字符，汉字按 2 个计算。非 CosyVoice 模型使用 `rate`，不得同时套用 CosyVoice 参数。
-7. 运行 `tts` 后必须等待任务终态并刷新资产，实际试听音频，检查空音频、破音、语言、音色、语速、音调和时长。任务失败时先按错误码修正：`*_VOICE_ID_REQUIRED` 表示音色缺失，`COSYVOICE_TTS_CUSTOM_VOICE_REQUIRED:<model>` 表示 v3.5 音色来源或型号错误，`COSYVOICE_TTS_INSTRUCTION_TOO_LONG` 表示声音指令超限，`COSYVOICE_TTS_LANGUAGE_HINT_UNSUPPORTED:<language>` 表示语言提示不兼容；只有供应商临时错误才按任务的 `retryable` 判断是否重试。
+4. 需要设计声音时创建 `voice-design`，通过 `prompt` 输入或配置提供声音描述，并按实时 schema 确认 `previewText`、`prefix`、`targetModel` 和 `languageHints`。运行后取得真实任务 ID 并执行 `task wait`；成功后刷新画布，连接 `voice-design.voice → tts.voice`。
+5. 需要克隆时，先创建或绑定含已授权参考音频的 `audio` 节点，再创建 `voice-clone`，连接 `audio.audio → voice-clone.audio`。按实时 schema 确认 `prefix`、`targetModel`、`languageHints`、`maxPromptAudioLength` 和 `enablePreprocess`；`prefix` 只含字母和数字且不超过 10 位，参考音频截取范围为 3～30 秒。声音克隆会创建远端资源，任务不自动重试；失败时先检查输入，不得盲目重复执行。
+6. 运行 `voice-clone` 后取得真实任务 ID 并执行 `task wait`。成功后刷新画布，确认产物包含非空音色 ID 和与 `targetModel` 对应的模型键，再连接 `voice-clone.voice → tts.voice`。不得预先猜测音色 ID，也不要把任务 ID、节点 ID 或预置音色名当作音色 ID。
+7. CosyVoice `tts` 只写实时 schema 声明的 `languageHints`、`format`、`sampleRate`、`volume`、`cosyRate`、`pitch` 和 `instruction`。默认值通常为 WAV、24000 Hz、音量 50、语速 1、音调 1；最终仍以实时 schema 为准。`instruction` 只用于 schema 和有效模型共同允许的型号，最多 100 个计权字符，汉字按 2 个计算。非 CosyVoice 模型使用 `rate`，不得同时套用 CosyVoice 参数。
+8. 运行 `tts` 后必须等待任务终态并刷新资产，实际试听音频，检查空音频、破音、语言、音色、语速、音调和时长。任务失败时先按错误码修正：`*_VOICE_ID_REQUIRED` 表示音色缺失，`COSYVOICE_TTS_CUSTOM_VOICE_REQUIRED:<model>` 表示 v3.5 音色来源或型号错误，`COSYVOICE_TTS_INSTRUCTION_TOO_LONG` 表示声音指令超限，`COSYVOICE_TTS_LANGUAGE_HINT_UNSUPPORTED:<language>` 表示语言提示不兼容；只有供应商临时错误才按任务的 `retryable` 判断是否重试。
 
 Meme 推荐链路为 `text.text → meme-scene-analysis.story`，运行后把自动生成的计划资源连接到 `meme-material-search.plan`，再把素材包资源连接到 `cat-meme-video.materials`；原故事仍连接 `cat-meme-video.story`，计划资源可同时连接 `cat-meme-video.plan`。每一步完成后刷新画布，使用服务端自动创建的资源节点，不能伪造或重复创建资源。`cat-meme-video` 的 `config` 需按实时 schema 确认 `aspectRatio`（`1:1`、`9:16` 或 `16:9`）与 `resolution`（`720p` 或 `1080p`）；它们是节点输出参数，不替代项目配置门禁。