yuanflow-cli 0.1.47 → 0.1.49

package/skills/yuanflow-skill//350/247/206/351/242/221/346/213/206/350/247/243/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: 视频拆解
-description: 当用户提交对标视频、本地视频、视频 URL，要求做自媒体创作方向的视频拆解、爆款结构分析、内容复盘、脚本拆解、镜头节奏拆解、账号/竞品内容学习时使用。开始前必须先使用“自媒体知识库”查询与对标拆解相关的规则，再通过 yuanflow-cli 的 qwen3-vl-plus 上传/理解视频，并把知识库规则放入提示词中指导拆解。
+description: 当用户提交对标视频、本地视频、视频 URL，要求做自媒体创作方向的视频拆解、爆款结构分析、内容复盘、脚本拆解、镜头节奏拆解、视频风格解析、账号/竞品内容学习时使用。开始前必须先查自媒体知识库；平台 URL 还要尽量获取作品详情和视频文件，再用 qwen3-vl-plus 规则化拆解。
 emoji: 🎬
 ---
 
@@ -11,19 +11,20 @@ emoji: 🎬
 核心链路：
 
 1. 先查 `自媒体知识库`，获取与“对标拆解、视频拆解、内容创作、脚本结构、镜头节奏、爆款复盘”相关的规则摘要。
-2. 如果用户给的是视频 URL，先用相关工具解析并保存到本地。
-3. 使用 `yuanflow-cli ai qwen3-vl-plus --video-file` 提交本地视频。
-4. 把知识库拆解规则写进 prompt，让模型按规则拆解视频。
-5. 整理成适合自媒体创作复用的详细拆解报告。
+2. 如果用户给的是平台视频 URL，先获取作品详情，尽量拿到标题、文案、封面、作者、发布时间、点赞/评论/转发/收藏等互动数据。
+3. 如果需要分析视频画面，再用下载/播放相关工具解析并保存到本地。
+4. 使用 `yuanflow-cli ai qwen3-vl-plus --video-file` 提交本地视频。
+5. 把知识库规则、作品详情摘要和用户目标写进 prompt，让模型按规则拆解视频。
+6. 合并“平台元数据 + 视觉理解结果 + 知识库规则”，整理成适合自媒体创作复用的详细拆解报告。
 
 ## 外部 CLI 主流程
 
-外部 Agent 或用户直接使用时，先用 `yuanflow-cli knowledge ...` 查询拆解规则，再用 `yuanflow-cli ai qwen3-vl-plus` 处理视频。
+外部 Agent 或用户直接使用时，先用 `yuanflow-cli knowledge ...` 查询拆解规则；如果输入是平台作品 URL，再用 `yuanflow-cli works detail` 获取作品详情，用 `yuanflow-cli works download` 获取可播放/下载地址；最后用 `yuanflow-cli ai qwen3-vl-plus` 处理本地视频。
 
 1. 先确认本机可执行 `yuanflow-cli --help`。
 2. 外部 CLI 使用 `YUANCHUANG_API_TOKEN` 或 `yuanflow-cli config set-token <你的令牌>` 完成鉴权。
 3. 本地视频会先经过 YuanFlow 文件中转，再提交给 YuanFlow API。
-4. 如果是平台视频 URL，先解析并在用户授权后保存到本地文件。
+4. 如果是平台视频 URL，先获取作品详情；需要画面拆解时，再解析并在用户授权后保存到本地文件。
 
 本地视频上传依赖 qwen3-vl-plus 的 YuanFlow 文件中转能力。外部 Agent 只需要配置 YuanFlow API token；不要要求用户提供第三方平台 Key。
 
@@ -74,7 +75,42 @@ YuanFlow-main 内置环境调用见后文专属小节。
 - 账号定位
 - 带货/转化结构
 
-### 3. 视频 URL 先解析并保存本地
+### 3. 平台视频 URL 先获取作品详情
+
+如果用户提交的是平台视频 URL，先用 `作品详情获取工具` 或 `yuanflow-cli works detail` 获取平台元数据。它负责标题、文案/描述、封面、作者、发布时间、互动统计和媒体信息；这些内容不要让视觉模型凭画面猜。
+
+先按链接判断平台：
+
+- `douyin.com`、`v.douyin.com`：`--platform douyin`。
+- `xiaohongshu.com`、`xhslink.com`：`--platform xiaohongshu`，如详情接口要求 `xsec_token`，按返回或用户提供信息补充 `--xsec-token`。
+- `bilibili.com`、`b23.tv`、`BV`：`--platform bilibili`。
+- `youtube.com`、`youtu.be`：`--platform youtube`。
+- `tiktok.com`、`vm.tiktok.com`：`--platform tiktok`。
+- `kuaishou.com`：`--platform kuaishou`。
+- `xigua.com`：`--platform xigua`。
+
+外部 CLI 示例：
+
+```powershell
+yuanflow-cli works detail --platform douyin --target "https://v.douyin.com/xxx/" --format agent-json
+```
+
+拿到详情后，先提炼成“作品详情摘要”，供后续 prompt 使用：
+
+```text
+【作品详情摘要】
+- 标题：
+- 文案/描述：
+- 作者：
+- 发布时间：
+- 封面：
+- 点赞/评论/转发/收藏/播放：
+- 其它可确认媒体信息：
+```
+
+如果详情接口没有返回某些字段，最终报告里写“未返回/未确认”，不要编造。
+
+### 4. 视频 URL 再解析并保存本地
 
 如果用户提交的是平台视频 URL，先用 `作品下载综合工具` 或 `yuanflow-cli works download` 解析可播放/下载地址候选。
 
@@ -85,6 +121,8 @@ YuanFlow-main 内置环境调用见后文专属小节。
 - `youtube.com`、`youtu.be`：`--platform youtube`。
 - `ixigua.com`：`--platform xigua`。
 
+注意：`works detail` 支持的平台更多，`works download` 当前只覆盖可播放/下载地址已接入的平台。详情能拿到不代表一定能直接下载视频；下载失败时，让用户提供本地视频或可直接访问的视频文件。
+
 外部 CLI 示例：
 
 ```powershell
@@ -121,21 +159,66 @@ ffmpeg -y -i "<解析得到的 m3u8 地址>" -c copy "<视频拆解工作目录>
 
 如果平台解析只返回播放候选而没有稳定下载 URL，说明当前链接需要用户提供可下载文件，或先让用户使用其它授权方式保存视频。
 
-### 4. 调用 qwen3-vl-plus 做规则化拆解
+### 5. 调用 qwen3-vl-plus 做规则化拆解
 
-把知识库查询到的规则摘要压缩进 prompt。不要只让模型“分析视频”，必须告诉它按规则拆解。
+把知识库查询到的规则摘要、作品详情摘要和用户目标压缩进 prompt。不要只让模型“分析视频”，必须告诉它按规则拆解，也要明确哪些字段来自平台详情、哪些内容来自视频画面理解。
 
 外部 CLI 示例：
 
 ```powershell
-yuanflow-cli ai qwen3-vl-plus --prompt "你是自媒体视频拆解助手。请按知识库规则拆解这个视频：..." --video-file "<本地视频路径>" --format agent-json
+yuanflow-cli ai qwen3-vl-plus --prompt "你是自媒体视频拆解助手。请按知识库规则和作品详情摘要拆解这个视频：..." --video-file "<本地视频路径>" --format agent-json
 ```
 
 ## YuanFlow-main 内置环境
 
 在 YuanFlow-main 内置环境，优先调用受控工具 `yuanflow_cli_call`。token、受管包路径和输出目录由 YuanFlow-main 管理，不要要求用户手动提供 YuanFlow token。
 
-YuanFlow-main 内置工具示例：
+内置环境应按阶段调用：
+
+1. `knowledge entry/packs/rules`：查询拆解规则。
+2. `works detail`：平台 URL 获取标题、文案、封面和互动数据。
+3. `works download`：需要画面拆解时获取可播放/下载地址并保存本地。
+4. `ai qwen3-vl-plus`：提交本地视频做视觉与风格拆解。
+
+YuanFlow-main 作品详情调用示例：
+
+```json
+{
+  "args": [
+    "works",
+    "detail",
+    "--platform",
+    "douyin",
+    "--target",
+    "https://v.douyin.com/xxx/",
+    "--format",
+    "agent-json"
+  ],
+  "timeout": 180
+}
+```
+
+YuanFlow-main 下载/播放地址调用示例：
+
+```json
+{
+  "args": [
+    "works",
+    "download",
+    "--platform",
+    "douyin",
+    "--target",
+    "https://v.douyin.com/xxx/",
+    "--region",
+    "CN",
+    "--format",
+    "agent-json"
+  ],
+  "timeout": 300
+}
+```
+
+YuanFlow-main 视频拆解调用示例：
 
 ```json
 {
@@ -143,7 +226,7 @@ YuanFlow-main 内置工具示例：
     "ai",
     "qwen3-vl-plus",
     "--prompt",
-    "你是自媒体视频拆解助手。请严格按以下知识库规则拆解这个对标视频：\\n【知识库规则摘要】...\\n【用户目标】学习该视频的选题、开头、脚本结构、镜头节奏和可复用创作方法。\\n请输出：1. 一句话总结；2. 视频定位；3. 开头钩子；4. 内容结构；5. 镜头/画面节奏；6. 情绪和转化设计；7. 可复用模板；8. 不建议照搬的风险。",
+    "你是自媒体视频拆解助手。请严格按以下知识库规则和作品详情摘要拆解这个对标视频：\\n【知识库规则摘要】...\\n【作品详情摘要】标题、文案、封面、作者、发布时间、互动数据...\\n【用户目标】学习该视频的选题、开头、脚本结构、镜头节奏、视频风格和可复用创作方法。\\n请区分平台详情可确认字段和视频画面分析结论，不要编造未返回的数据。",
     "--video-file",
     "<本地视频路径>",
     "--format",
@@ -169,43 +252,71 @@ YuanFlow-main 内置工具示例：
 
 ## 1. 一句话结论
 
-## 2. 视频基础判断
+## 2. 视频基础信息与数据表现
+- 标题：
+- 文案/描述：
+- 作者/账号：
+- 发布时间：
+- 封面：
+- 点赞/评论/转发/收藏/播放：
+- 数据初步判断：
+- 未返回或不确定字段：
+
+## 3. 视频基础判断
 - 内容类型：
 - 目标受众：
 - 核心卖点/观点：
 - 适用平台：
 
-## 3. 开头钩子拆解
+## 4. 封面、标题与文案拆解
+- 封面吸引点：
+- 标题钩子：
+- 文案结构：
+- 标题/文案/封面的匹配度：
+
+## 5. 开头钩子拆解
 - 前 3 秒：
 - 冲突/利益点：
 - 留人方式：
 
-## 4. 内容结构拆解
+## 6. 内容结构拆解
 - 段落 1：
 - 段落 2：
 - 段落 3：
 - 结尾：
 
-## 5. 画面与镜头节奏
+## 7. 画面与镜头节奏
 - 场景变化：
 - 人物/产品/字幕：
 - 节奏特点：
 
-## 6. 情绪、信任和转化设计
+## 8. 视频风格解析拆解
+- 整体风格标签：
+- 镜头语言：
+- 剪辑节奏：
+- 字幕与包装：
+- 音乐/音效：
+- 叙事语气：
+- 人设或账号气质：
+- 平台适配特点：
+- 可复用风格公式：
+
+## 9. 情绪、信任和转化设计
 
-## 7. 可复用创作模板
+## 10. 可复用创作模板
 
-## 8. 可借鉴点与风险
+## 11. 可借鉴点与风险
 - 可借鉴：
 - 不建议照搬：
 - 需要二次原创：
 
-## 9. 给用户的下一步建议
+## 12. 给用户的下一步建议
 ```
 
 ## 失败处理
 
 - 知识库查询失败：说明无法取得拆解规则，不要跳过规则直接当普通视觉理解；可询问用户是否改为通用视觉理解。
+- 作品详情获取失败：说明无法补齐标题、文案、封面和互动数据；可继续做视频画面拆解，但最终报告必须标注平台元数据缺失。
 - 视频 URL 解析失败：说明需要用户提供本地视频或可直接访问的下载链接。
 - YuanFlow token 缺失：说明需要在受管环境或 CLI 配置 YuanFlow API token，不要让用户在聊天里粘贴敏感 Key。
 - 视频超限：提示最大 2GB、2 秒到 1 小时，让用户裁剪或压缩。

package/skills/yuanflow-skill//350/257/255/351/237/263/345/220/210/346/210/220/SKILL.md

@@ -0,0 +1,181 @@
+---
+name: 语音合成
+description: 当用户需要使用 YuanFlow API 的 doubao-tts 预置音色把文本合成为音频，查询可用音色、确认单个音色详情，或下载音色试听文件后选择 voice_type 时使用。本 Skill 只使用预置音色 ID，不用于声音克隆或自行设计音色。
+emoji: 🔈
+---
+
+# 语音合成
+
+本 Skill 用于把文本合成为语音文件。它依赖 YuanFlow API 已准备好的预置音色列表，合成时必须使用列表里的 `voice_type` 作为音色 ID。
+
+重要边界：
+
+- 这是“预置音色 + 文本合成语音”，不是声音克隆。
+- 不能自行设计音色，也不能通过提示词创造一个新音色。
+- 如果用户要克隆本人或指定人物声音，转到 `声音克隆` 和 `声音复刻` Skill。
+- 如果用户不确定选哪个音色，先查询音色列表，再下载试听音频给用户确认。
+
+## 外部 CLI 主流程
+
+外部 Agent 或用户直接使用时，优先使用 `yuanflow-cli ai doubao-tts ...` 命令。
+
+1. 先确认本机可执行 `yuanflow-cli --help`。
+2. 外部 CLI 使用 `YUANCHUANG_API_TOKEN` 或 `yuanflow-cli config set-token <你的令牌>` 完成鉴权。
+3. 先查可用音色列表，读取 `voice_type`。
+4. 用户不确定音色时，下载试听音频到本地，让用户听完再选。
+5. 使用确定的 `voice_type` 执行文本转语音。
+
+不要在回复、日志或文件中暴露 token。用户主流程统一称为 YuanFlow API，不要求用户配置第三方平台 Key。
+
+## 查询全部音色
+
+```powershell
+yuanflow-cli ai doubao-tts voices --format agent-json
+```
+
+返回里重点读取：
+
+```text
+data.response.data.data[].display_name
+data.response.data.data[].voice_type
+data.response.data.data[].category
+data.response.data.data[].language
+data.response.data.data[].capabilities
+```
+
+给用户展示时用 `display_name`、分类、语言和能力描述；真正合成时只使用 `voice_type`。
+
+## 查询单个音色
+
+当用户指定了某个 `voice_type`，或需要确认某个音色是否存在：
+
+```powershell
+yuanflow-cli ai doubao-tts voice --voice "<voice_type>" --format agent-json
+```
+
+如果查询不到，不要猜测相近 ID，重新查询音色列表。
+
+## 下载音色试听
+
+用户不确定使用哪个音色时，先下载试听文件到本地：
+
+```powershell
+yuanflow-cli ai doubao-tts voice-download --voice "<voice_type>" --output "<试听音频输出路径>" --format agent-json
+```
+
+注意：
+
+- 试听下载接口返回的是临时下载 URL，可能过期。
+- 不要把临时 URL 写进长期文档或公开回复。
+- 如果只需要拿到临时 URL，可以不传 `--output`；但用户要试听时优先传 `--output` 保存成本地音频文件。
+- 试听资源查询和下载不做正式合成扣费，但仍需要有效 token 和可用余额。
+
+## 合成语音
+
+确认 `voice_type` 后，把文本合成为音频：
+
+```powershell
+yuanflow-cli ai doubao-tts --text "你好，这是语音合成测试。" --voice "<voice_type>" --output "<输出音频路径>" --format agent-json
+```
+
+默认输出 `mp3`。用户要求其它格式时，增加 `--response-format`：
+
+```powershell
+yuanflow-cli ai doubao-tts --text "这是一段 WAV 格式的合成测试。" --voice "<voice_type>" --response-format wav --output "<输出音频路径>" --format agent-json
+```
+
+常用参数：
+
+- `--text`：要合成的文本。
+- `--voice`：音色列表返回的 `voice_type`。
+- `--output`：合成音频保存路径。
+- `--response-format`：`mp3`、`wav`、`opus`、`pcm` 等，默认 `mp3`。
+- `--speed`：语速；不传时使用 YuanFlow API 默认语速。
+- `--metadata`：高级透传参数。普通用户不要主动使用，除非明确知道要覆盖什么参数。
+
+## 输出要求
+
+最终回复给用户时说明：
+
+```text
+语音已生成：
+文件路径：`<输出音频路径>`
+使用音色：<display_name> / <voice_type>
+输出格式：
+```
+
+如果命令返回 agent-json，优先读取：
+
+```text
+data.response.output
+data.response.bytes
+data.response.content_type
+```
+
+## YuanFlow-main 内置环境
+
+只有在 YuanFlow-main 内置环境中，才使用受控工具 `yuanflow_cli_call`。token、受管包路径和输出目录由 YuanFlow-main 管理，不写成外部用户必备步骤。
+
+查询音色列表：
+
+```json
+{
+  "args": [
+    "ai",
+    "doubao-tts",
+    "voices",
+    "--format",
+    "agent-json"
+  ],
+  "timeout": 120
+}
+```
+
+下载试听音频：
+
+```json
+{
+  "args": [
+    "ai",
+    "doubao-tts",
+    "voice-download",
+    "--voice",
+    "<voice_type>",
+    "--output",
+    "preview.mp3",
+    "--format",
+    "agent-json"
+  ],
+  "timeout": 180
+}
+```
+
+合成正式音频：
+
+```json
+{
+  "args": [
+    "ai",
+    "doubao-tts",
+    "--text",
+    "你好，这是语音合成测试。",
+    "--voice",
+    "<voice_type>",
+    "--output",
+    "tts.mp3",
+    "--format",
+    "agent-json"
+  ],
+  "timeout": 300
+}
+```
+
+在 YuanFlow-main 内置环境里，`--output` 会被限制到受控输出目录。不要要求用户手动传程序数据目录，也不要绕过 `yuanflow_cli_call` 直接写本地文件。
+
+## 失败处理
+
+- 没有 `voice_type`：先查询 `ai doubao-tts voices`，不要随便编造音色 ID。
+- 用户想“设计一个声音”或“克隆我的声音”：说明本 Skill 不能做到，转到 `声音克隆` / `声音复刻`。
+- 试听 URL 过期：重新执行 `voice-download` 获取新的临时下载地址。
+- 输出路径被拒绝：在 YuanFlow-main 内置环境中改用相对文件名，让受控工具自动放入输出目录。
+- 合成失败：报告 YuanFlow API 返回的简短错误，不暴露 token、Authorization header 或完整敏感链接。

package/src/agent-protocol.js

@@ -25,7 +25,8 @@ const ERROR_MAP = [
         message.includes('未知平台') ||
         message.includes('未找到命令') ||
         message.includes('未知命令') ||
-        message.includes('不支持'),
+        message.includes('不支持') ||
+        message.includes('已有未归档音色'),
   },
   {
     code: 'AUTH_INVALID',
@@ -78,7 +79,7 @@ export function createAgentSuccess(command, data, meta = {}) {
 }
 
 export function createAgentError(command, error) {
-  const message = error?.message || String(error);
+  const message = sanitizeErrorMessage(error?.message || String(error));
   const mapped = mapError(message);
   return {
     payload: {
@@ -97,6 +98,18 @@ export function createAgentError(command, error) {
   };
 }
 
+function sanitizeErrorMessage(message) {
+  const text = String(message || '');
+  if (text.includes('one username can only have one voice id')) {
+    return '请求失败：HTTP 409 当前用户已有未归档音色。请先使用 voice list 查询已有 voice_xxx，或使用已有音色复刻。';
+  }
+  const internalErrorType = ['new', 'api', 'error'].join('_');
+  const internalProductName = ['New', 'Api'].join('');
+  return text
+    .replace(new RegExp(internalErrorType, 'gi'), 'platform_service_error')
+    .replace(new RegExp(internalProductName, 'g'), 'YuanFlow API');
+}
+
 export function getCommandName(platform, command) {
   return [platform, command].filter(Boolean).join(' ') || 'unknown';
 }

package/src/ai-tools.js

@@ -11,8 +11,8 @@ const DOUBAO_TTS_VOICE_ASSETS_PATH = '/api/voice-assets/doubao/voices';
 const YUANFLOW_FILE_TRANSFER_PATH = '/atomic/oss/temp-upload';
 
 const MODEL_QWEN_VL = 'qwen3-vl-plus';
-const MODEL_QWEN_VOICE = 'qwen-voice-enrollment';
-const MODEL_QWEN_TTS_VC = 'qwen3-tts-vc-realtime-2026-01-15';
+const MODEL_VOICE_ENROLLMENT = 'voice-enrollment';
+const MODEL_COSYVOICE_FLASH = 'cosyvoice-v3-flash';
 const MODEL_FUN_ASR = 'fun-asr';
 const MODEL_DOUBAO_TTS = 'doubao-tts';
 
@@ -41,34 +41,36 @@ export function listAiCommands() {
       returns: '返回 OpenAI chat.completion 兼容 JSON。',
     }),
     aiCommand({
-      key: 'ai.qwen-voice-enrollment',
-      command: 'ai qwen-voice-enrollment',
-      description: '调用 YuanFlow API 对外模型 qwen-voice-enrollment，创建音色复刻记录。',
+      key: 'ai.voice-enrollment',
+      command: 'ai voice-enrollment',
+      description: '调用 YuanFlow API 对外模型 voice-enrollment，创建音色复刻记录。',
       apiPath: AUDIO_VOICES_PATH,
       options: [
-        option('--file', 'file', false, '本地音频文件；与 --audio-url 二选一。'),
+        option('--file', 'file', false, '本地音频文件；通过 multipart 直接提交给 YuanFlow API，与 --audio-url 二选一。'),
         option('--audio-url', 'audioUrl', false, '公网可访问音频 URL；与 --file 二选一。'),
         option('--name', 'name', false, '音色展示名。'),
         option('--preferred-name', 'preferredName', false, '偏好音色名，默认跟随 --name。'),
-        option('--text', 'text', false, '参考音频对应文本，可选。'),
-        option('--language', 'language', false, '语言代码，可选。'),
+        option('--target-model', 'targetModel', false, `后续合成模型，默认 ${MODEL_COSYVOICE_FLASH}。`),
+        option('--language-hints', 'languageHints', false, '逗号分隔的样本音频语种提示，例如 zh。'),
+        option('--language', 'language', false, '兼容别名；会映射为 language_hints。'),
         option('--activate', 'activate', false, '创建后设为当前默认音色。'),
         ...commonOptions(),
       ],
       requestBody: {
-        model: MODEL_QWEN_VOICE,
-        audio: '<本地文件 data URI 或 audio_url>',
+        model: MODEL_VOICE_ENROLLMENT,
+        target_model: MODEL_COSYVOICE_FLASH,
+        file: '<multipart 本地音频，或通过 audio_url 传入公网音频 URL>',
       },
-      returns: '返回 voice_xxx 音色对象；后续 qwen3-tts-vc-realtime-2026-01-15 可用 --voice voice_xxx 调用。',
+      returns: '返回 voice_xxx 音色对象；后续 cosyvoice-v3-flash 可用 --voice voice_xxx 调用。',
     }),
     aiCommand({
-      key: 'ai.qwen3-tts-vc-realtime-2026-01-15',
-      command: 'ai qwen3-tts-vc-realtime-2026-01-15',
-      description: '调用 YuanFlow API 对外模型 qwen3-tts-vc-realtime-2026-01-15，使用 voice_xxx 或 default 合成音频。',
+      key: 'ai.cosyvoice-v3-flash',
+      command: 'ai cosyvoice-v3-flash',
+      description: '调用 YuanFlow API 对外模型 cosyvoice-v3-flash，使用 voice_xxx 或 default 合成音频。',
       apiPath: AUDIO_SPEECH_PATH,
       options: speechOptions('音色 ID：voice_xxx 或 default。', false),
       requestBody: {
-        model: MODEL_QWEN_TTS_VC,
+        model: MODEL_COSYVOICE_FLASH,
         input: '<text>',
         voice: '<voice_xxx|default>',
       },
@@ -166,10 +168,10 @@ export async function runAiCommand({ action = 'help', rest = [], options }) {
       return { ok: true, commands: listAiCommands() };
     case MODEL_QWEN_VL:
       return callJson(CHAT_COMPLETIONS_PATH, options, await buildQwenVLBody(options));
-    case MODEL_QWEN_VOICE:
-      return callJson(AUDIO_VOICES_PATH, options, await buildVoiceEnrollmentBody(options));
-    case MODEL_QWEN_TTS_VC:
-      return callSpeech(MODEL_QWEN_TTS_VC, options, false);
+    case MODEL_VOICE_ENROLLMENT:
+      return callVoiceEnrollment(options);
+    case MODEL_COSYVOICE_FLASH:
+      return callSpeech(MODEL_COSYVOICE_FLASH, options, false);
     case MODEL_FUN_ASR:
       return callFunASR(options);
     case MODEL_DOUBAO_TTS:
@@ -308,21 +310,38 @@ async function buildVoiceEnrollmentBody(options) {
     throw new Error('--file 和 --audio-url 不能同时使用。');
   }
   const body = {
-    model: MODEL_QWEN_VOICE,
+    model: MODEL_VOICE_ENROLLMENT,
+    target_model: cleanOptional(options.named?.['target-model']) || MODEL_COSYVOICE_FLASH,
     ...optionalField('name', options.named?.name),
     ...optionalField('preferred_name', options.named?.['preferred-name']),
-    ...optionalField('text', options.named?.text),
-    ...optionalField('language', options.named?.language),
     ...optionalBooleanField('activate', options.named?.activate),
   };
+  const languageHints = splitList(options.named?.['language-hints'] || options.named?.language);
+  if (languageHints.length > 0) {
+    body.language_hints = languageHints;
+  }
   if (audioUrl) {
     body.audio_url = audioUrl;
   } else {
-    body.audio = options.dryRun ? '<data URI omitted in dry-run>' : await fileToDataUri(filePath);
+    body.file = '<file omitted>';
   }
   return body;
 }
 
+async function callVoiceEnrollment(options) {
+  const body = await buildVoiceEnrollmentBody(options);
+  const filePath = cleanOptional(options.file);
+  const audioUrl = cleanOptional(options.named?.['audio-url']);
+  if (filePath && !audioUrl && !options.json) {
+    const response = await callMultipartJson(AUDIO_VOICES_PATH, options, {
+      ...body,
+      filePath,
+    });
+    return result(MODEL_VOICE_ENROLLMENT, AUDIO_VOICES_PATH, body, response);
+  }
+  return callJson(AUDIO_VOICES_PATH, options, body);
+}
+
 async function callSpeech(model, options, requiresVoice) {
   const body = buildSpeechBody(model, options, requiresVoice);
   const response = await callBinary(AUDIO_SPEECH_PATH, options, body);
@@ -352,10 +371,18 @@ function buildSpeechBody(model, options, requiresVoice) {
   const metadata = parseJsonObject(options.named?.metadata);
   addNumber(metadata, 'sample_rate', options.named?.['sample-rate']);
   addNumber(metadata, 'volume', options.named?.volume);
-  addNumber(metadata, 'pitch_rate', options.named?.['pitch-rate']);
+  addNumber(metadata, 'rate', options.named?.rate || options.named?.speed);
+  addNumber(metadata, 'pitch', options.named?.pitch || options.named?.['pitch-rate']);
   addNumber(metadata, 'bit_rate', options.named?.['bit-rate']);
   addString(metadata, 'mode', options.named?.mode);
   addString(metadata, 'language', options.named?.language);
+  addNumber(metadata, 'seed', options.named?.seed);
+  addBoolean(metadata, 'enable_ssml', options.named?.['enable-ssml']);
+  addBoolean(metadata, 'word_timestamp_enabled', options.named?.['word-timestamp-enabled']);
+  const hints = splitList(options.named?.['language-hints']);
+  if (hints.length > 0) {
+    metadata.language_hints = hints;
+  }
   if (Object.keys(metadata).length > 0) {
     body.metadata = metadata;
   }
@@ -489,19 +516,25 @@ async function callGetJson(apiPath, options) {
 }
 
 async function callMultipartJson(apiPath, options, payload) {
-  const request = await buildRequest(apiPath, options, 'POST', {
-    model: payload.model,
-    response_format: payload.response_format,
-    metadata: payload.metadata,
-    file: '<file omitted>',
-  });
+  const requestBody = { ...payload, file: '<file omitted>' };
+  delete requestBody.filePath;
+  const request = await buildRequest(apiPath, options, 'POST', requestBody);
   if (request.dryRun) {
     return request;
   }
   const form = new FormData();
-  form.set('model', payload.model);
-  form.set('response_format', payload.response_format);
-  form.set('metadata', JSON.stringify(payload.metadata || {}));
+  for (const [key, value] of Object.entries(payload || {})) {
+    if (key === 'filePath' || key === 'file' || value === undefined || value === null) {
+      continue;
+    }
+    if (Array.isArray(value)) {
+      form.set(key, value.join(','));
+    } else if (typeof value === 'object') {
+      form.set(key, JSON.stringify(value));
+    } else {
+      form.set(key, String(value));
+    }
+  }
   const file = new Blob([await readFile(payload.filePath)], { type: inferAudioMimeType(payload.filePath) });
   form.set('file', file, path.basename(payload.filePath));
   const response = await fetch(request.url, {
@@ -617,8 +650,16 @@ function speechOptions(voiceLabel, voiceRequired) {
     option('--voice', 'voice', voiceRequired, voiceLabel),
     option('--output', 'output', true, '音频保存路径；dry-run 时可不传。'),
     option('--response-format', 'responseFormat', false, 'mp3、wav、pcm 等，默认 mp3。'),
-    option('--speed', 'speed', false, '语速控制。'),
+    option('--rate', 'rate', false, '语速控制，会写入 metadata.rate。'),
+    option('--speed', 'speed', false, '兼容别名；会写入 metadata.rate。'),
+    option('--volume', 'volume', false, '音量控制，会写入 metadata.volume。'),
+    option('--pitch', 'pitch', false, '音调控制，会写入 metadata.pitch。'),
     option('--sample-rate', 'sampleRate', false, '采样率。'),
+    option('--language', 'language', false, '目标合成语言，例如 zh。'),
+    option('--language-hints', 'languageHints', false, '逗号分隔的目标合成语种提示，例如 zh。'),
+    option('--enable-ssml', 'enableSsml', false, '是否开启 SSML。'),
+    option('--word-timestamp-enabled', 'wordTimestampEnabled', false, '是否开启字级时间戳。'),
+    option('--seed', 'seed', false, '随机种子。'),
     option('--metadata', 'metadata', false, '透传给 YuanFlow API 的 metadata JSON。'),
     ...commonOptions(),
   ];
@@ -638,11 +679,6 @@ function option(flag, name, required, label) {
   return { flag, name, required, label };
 }
 
-async function fileToDataUri(filePath) {
-  const data = await readFile(filePath);
-  return `data:${inferAudioMimeType(filePath)};base64,${data.toString('base64')}`;
-}
-
 function inferAudioMimeType(filePath) {
   switch (path.extname(filePath).toLowerCase()) {
     case '.mp3':