yuanflow-cli 0.1.48 → 0.1.49

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "yuanflow-cli",
-  "version": "0.1.48",
+  "version": "0.1.49",
   "description": "YuanFlow 自媒体 API CLI 与 Skill 安装器。",
   "type": "module",
   "license": "MIT",

package/skills/yuanflow-skill/README.md

@@ -8,7 +8,7 @@ YuanFlow Skill 是 `yuanflow-cli` 的 Agent Skill 仓库，用于把社媒平台
 - `yuanflow-cli/`：API CLI 子 Skill，说明 `yuanflow-cli` 的安装、配置、命令发现、schema 查询、dry-run 和 agent-json 调用方式。
 - `自媒体知识库/`：自媒体知识库渐进查询 Skill，走 `yuanflow-cli knowledge`。
 - `视觉理解/`：通用型图片、视频画面理解 Skill，走 `yuanflow-cli ai qwen3-vl-plus`，支持图片/视频 URL 和本地图片/视频上传。
-- `视频拆解/`：自媒体创作场景的对标视频拆解 Skill，先查自媒体知识库对标拆解规则，再用 `qwen3-vl-plus` 上传视频并按规则拆解。
+- `视频拆解/`：自媒体创作场景的对标视频拆解 Skill，先查自媒体知识库对标拆解规则；平台 URL 先获取作品详情和互动数据，需要画面分析时再下载/上传视频并按规则拆解。
 - `YuanFlow文件中转工具/`：YuanFlow 文件中转、签名链接、对象复制 Skill，内部兼容命令走 `yuanflow-cli oss`。
 - `生图技能/`：图片生成与编辑 Skill；外部环境使用 `yuanflow-cli`，YuanFlow-main 内置环境优先走 `yuanflow_image_request`。
 - `视觉卡片生成/`：小红书图文卡片、公众号封面、文章插图、海报、信息图和商业视觉方案卡生成 Skill，使用 HTML 模板、风格参考和质量检查脚本完成交付。
@@ -18,8 +18,9 @@ YuanFlow Skill 是 `yuanflow-cli` 的 Agent Skill 仓库，用于把社媒平台
 - `HTML报告生成/`：单页 HTML 报告生成 Skill，内置 9 种米色留白报告模板。
 - `本地音视频转文字/`：本地 SenseVoice 音视频转文字 Skill，首次明确使用时按需下载模型。
 - `音视频在线转文字/`：通过 YuanFlow 在线 ASR 接口把音频或视频转成干净文本，视频会先抽取音频并通过 YuanFlow 文件中转。
-- `声音克隆/`：通过 `yuanflow-cli voice clone/list/activate` 创建、查询和激活声音克隆音色，返回可复用的 `voice_xxx`。
-- `声音复刻/`：通过 `yuanflow-cli voice replicate` 使用已有 `voice_xxx` 或默认音色把文本合成为复刻音频文件。
+- `语音合成/`：通过 `yuanflow-cli ai doubao-tts` 查询预置音色、下载试听音频，并使用选定 `voice_type` 把文本合成为语音文件。
+- `声音克隆/`：通过 `yuanflow-cli voice clone/list/activate` 创建、查询和激活声音克隆音色；本地参考音频优先先用 YuanFlow 文件中转取得临时 URL，再用 `--audio-url` 创建音色。
+- `声音复刻/`：通过 `yuanflow-cli voice replicate` 使用已有 `voice_xxx` 或默认音色把文本合成为复刻音频文件；如果链路里出现本地参考音频，先转到声音克隆流程处理。
 - `自媒体浏览器自动化/`：自媒体平台专用浏览器自动化 Skill，用于登录态隔离、Cookie/profile 本地保存、页面采集和作品发布流程。
 - `帐号监控/`：帐号搜索、主页资料、主页作品、历史快照、变化对比和 HTML 可视化分流 Skill。
 - `个人创作库/`：长期保存、整理、复盘和复用用户认可的自媒体合格产出物。
@@ -39,7 +40,7 @@ YuanFlow Skill 是 `yuanflow-cli` 的 Agent Skill 仓库，用于把社媒平台
 - 让本地 Agent 稳定调用 `yuanflow-cli` 并解析 JSON 输出。
 - 查询自媒体知识库公开方向、方法包和规则摘要。
 - 对图片、视频、本地媒体文件或媒体 URL 做通用画面理解、内容描述、可见文字识别、画面对比和细节检查。
-- 对自媒体对标视频、爆款视频、竞品视频做内容结构、开头钩子、脚本节奏、镜头节奏和可复用创作方法拆解；开始前先查自媒体知识库规则，视频 URL 先解析并保存本地。
+- 对自媒体对标视频、爆款视频、竞品视频做内容结构、开头钩子、标题文案、封面、互动数据、脚本节奏、镜头节奏、视频风格和可复用创作方法拆解；开始前先查自媒体知识库规则，平台视频 URL 先获取作品详情，需要画面分析时再解析并保存本地。
 - 上传文件到 YuanFlow 文件中转、生成签名链接或复制文件对象。
 - 生成图片、编辑图片，并缓存返回 URL 或 base64 图片。生成图片必填 `prompt`，可选 `size / quality / style / n / response_format`；编辑图片必须通过 multipart 上传本地图片。
 - 生成小红书图文卡片、公众号封面、文章插图、社交媒体配图、海报、信息图和商业视觉方案卡；视觉卡片生成不新增独立 CLI 命令，按 Skill 模板、参考文档和检查脚本完成。
@@ -49,7 +50,8 @@ YuanFlow Skill 是 `yuanflow-cli` 的 Agent Skill 仓库，用于把社媒平台
 - 在用户要求智能剪辑、自动剪辑、主音频匹配 B-roll、重排视频画面或生成剪辑预览时，使用视频智能剪辑 Skill；第一版先查规则库，导入策略快照，用“音视频在线转文字”或 forced alignment 建立音频对齐，抽帧频率固定 1 秒 1 帧，再回写视觉理解结果，最后生成 `timeline_plan` 和 EDL。
 - 在用户明确要求本地转写时，把本地音频或视频转成文字；视频会先抽取音频，模型和缓存由当前运行环境管理，不要求固定安装目录。
 - 在用户要求在线转写、云端转写或 doubao-asr 时，把本地音频或视频经 YuanFlow 文件中转后提交在线 ASR，默认只返回干净文本。
-- 在用户要求创建声音克隆、查询已有克隆音色 ID、激活默认克隆音色或生成声音复刻音频时，使用声音克隆或声音复刻 Skill；声音复刻前必须先拿到 `voice_xxx` 或使用已激活默认音色。
+- 在用户要求文本转语音、生成口播/旁白/TTS 音频，或不确定使用哪个预置音色时，使用语音合成 Skill；先查询音色列表，必要时下载试听音频，再用选定的 `voice_type` 合成。
+- 在用户要求创建声音克隆、查询已有克隆音色 ID、激活默认克隆音色或生成声音复刻音频时，使用声音克隆或声音复刻 Skill；本地参考音频优先先走 YuanFlow 文件中转获取临时 URL，声音复刻前必须先拿到 `voice_xxx` 或使用已激活默认音色。
 - 在用户要求自媒体平台浏览器自动化、账号登录态隔离、Cookie/profile 保存、平台页面采集或作品发布时，使用专用自媒体浏览器自动化 Skill；普通网页浏览和搜索仍使用通用浏览器能力。
 - 监控抖音、小红书、微博、知乎、Bilibili、TikTok、YouTube、Twitter/X 帐号主页，保存快照并对比历史变化；抖音链路优先使用 `get-sec-user-id -> user-profile -> user-posts -> works detail`。
 - 在用户要求保存、归档、复盘或复用已完成创作成果时，把选题、标题、文案、脚本、封面、剪辑思路、发布计划和数据复盘沉淀进个人创作库。
@@ -149,6 +151,8 @@ yuanflow-skill list-skills
 │  └─ scripts/
 ├─ 音视频在线转文字
 │  └─ SKILL.md
+├─ 语音合成
+│  └─ SKILL.md
 ├─ 自媒体浏览器自动化
 │  └─ SKILL.md
 ├─ 个人创作库

package/skills/yuanflow-skill/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: YuanFlow技能总入口
-description: 当用户需要处理自媒体平台接口工作流、平台数据查询、命令发现、生图、视觉卡片生成、YuanFlow 文件中转、知识库查询、HTML 报告生成，或需要在 YuanFlow 子技能之间选择合适能力时使用。
+description: 当用户需要处理自媒体平台接口工作流、平台数据查询、命令发现、生图、语音合成、视觉卡片生成、YuanFlow 文件中转、知识库查询、HTML 报告生成，或需要在 YuanFlow 子技能之间选择合适能力时使用。
 ---
 
 # YuanFlow Skill
@@ -32,6 +32,7 @@ description: 当用户需要处理自媒体平台接口工作流、平台数据
 - `HTML报告生成/`
 - `本地音视频转文字/`
 - `音视频在线转文字/`
+- `语音合成/`
 - `自媒体浏览器自动化/`
 - `帐号监控/`
 - `个人创作库/`
@@ -319,7 +320,21 @@ description: 当用户需要处理自媒体平台接口工作流、平台数据
 
 - `音视频在线转文字`
 
-### 20. 走 `视觉理解`
+### 20. 走 `语音合成`
+
+遇到下面这些需求，优先进入这个子 Skill：
+
+- 用户要求把文本合成为语音、口播音频、旁白音频或 TTS 音频文件。
+- 用户要求查询、筛选或试听预置音色列表里的音色。
+- 用户提供或需要选择 `voice_type`，并要求用该音色合成音频。
+
+这个 Skill 只使用预置音色 ID，不支持自行设计音色或克隆声音。如果用户要克隆本人或指定人物声音，改用 `声音克隆` / `声音复刻`。
+
+子 Skill 名称：
+
+- `语音合成`
+
+### 21. 走 `视觉理解`
 
 遇到下面这些需求，优先进入这个子 Skill：
 
@@ -333,15 +348,16 @@ description: 当用户需要处理自媒体平台接口工作流、平台数据
 
 - `视觉理解`
 
-### 21. 走 `视频拆解`
+### 22. 走 `视频拆解`
 
 遇到下面这些需求，优先进入这个子 Skill：
 
 - 用户提交对标视频、本地视频或视频 URL，要求做自媒体创作方向的视频拆解。
 - 用户要求分析爆款结构、开头钩子、脚本节奏、镜头节奏、转化设计、可复用创作模板。
+- 用户要求补齐视频标题、文案、封面、点赞评论转发收藏等作品详情，或要求视频风格解析拆解。
 - 用户希望从竞品视频、对标账号视频里提炼内容创作方法。
 
-这个 Skill 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。如果用户提交的是视频 URL，先用作品解析/下载相关工具保存到本地，再通过 `yuanflow-cli ai qwen3-vl-plus --video-file` 上传拆解。
+这个 Skill 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。如果用户提交的是平台视频 URL，先用 `作品详情获取工具` 补齐平台元数据；需要画面分析时，再用作品解析/下载相关工具保存到本地，并通过 `yuanflow-cli ai qwen3-vl-plus --video-file` 上传拆解。
 
 子 Skill 名称：
 

package/skills/yuanflow-skill//346/234/254/345/234/260/351/237/263/350/247/206/351/242/221/350/275/254/346/226/207/345/255/227/SKILL.md

@@ -60,6 +60,30 @@ emoji: 🎙️
 cd "<当前 Skill 安装目录>\scripts"
 ```
 
+## 使用前配置要求
+
+本 Skill 是本地模型转写，不是云端接口。首次使用会下载 SenseVoiceSmall 和 VAD 模型到本机，后续可离线复用。
+
+最低可用：
+
+- Python 3.10 优先，3.11/3.12 可尝试；不建议 3.13/3.14。
+- 能安装 `torch`、`torchaudio`、`funasr`、`modelscope`。
+- CPU 可运行，但长音频会比较慢。
+- 本地磁盘需预留模型、依赖和缓存空间，建议至少预留数 GB。
+- 如果输入是视频，系统必须可用 `ffmpeg`。
+
+推荐配置：
+
+- NVIDIA GPU + CUDA 环境，显存 8GB 以上更合适。
+- 16GB 以上内存、SSD、稳定网络。
+- 长音频或低配设备建议把 `--batch-size-s` 调小到 `20` 或 `10`。
+
+不适合的情况：
+
+- 设备内存很小、磁盘空间不足、不能安装 Python 依赖。
+- 不能下载模型，又本地没有提前缓存模型。
+- 视频转写但系统没有 `ffmpeg`。
+
 ## 首次使用模型下载规则
 
 开始转写前先检查模型目录是否已经存在：

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。