天工爆款短视频口播生成-历史人文科普动漫

概述

口播成片

做完的标准只有一个：把 data.videoUrl 交给用户。没有这个地址，就还没做完。

每次调用前读取本目录 config.json。API_BASE_URL 非空就用它，否则用 https://ai.growingth.com/api。请求头 api-token 用 VIDEO_GEN_API_TOKEN。token 为空时，只给 电脑端扫码登录，不要清空已有 token。

对用户说人话，不要提接口名称。调用时地址必须和下面逐字一致，不要搜索源码，不要改路径。查已有克隆是名单的一部分，不算多余探测。

只允许这些地址

上传音频文件时，再向「上传凭证」返回的 uploadUrl 发一次 multipart。那是文件存放地址，不要把登录凭证带过去。

字段示例在 [api.md](./api.md)。上面没有的路径不要调用。返回 404 表示地址打错了，换回表里的路径，不要据此告诉用户做不出视频。

先列音色

用户还没选定音色时，回复的第一段必须是下面这份名单，原样给出，不要缩成「还有别的声音」。解说小明是不指定时的默认，不是临时挑的。名单里不要出现音色编号。

这次可以用这些声音。不选的话，用解说小明。

解说
- 解说小明：语速快、中气足，适合口播。不指定就用这个。
- 磁性解说：低、稳，像纪录片。
- 广告解说：明快，带一点推销感。
- 东方浩然：浑厚，成熟男声。

男声
- 温暖阿虎：阳光，少年音。
- 少年梓辛：清爽、温柔。
- 天才童声：清亮的小孩声。

女声
- Vivi：平稳、柔和。
- 小何：甜美、活泼。
- 温柔妈妈：慢、温润。
- 客服婉君：亲切，说话有条理。
- 贴心女声：温柔，像在跟你聊天。
- 鸡汤妹妹：暖、甜，偏鼓励。
- 萌丫头：软、娇，偏小孩。
- 俏皮女声：灵动，少女音。
- 少儿故事：给孩子讲故事。
- 顾姐：干练，有气场。
- 武则天：威严，气场重。
- 温柔小雅：轻、温婉。
- 柔美女友：软、娇，偏亲密。

我的声音
- 发一段 10～20 秒的清晰人声（mp3、wav 或 m4a，单人朗读，尽量不要背景音乐，不超过 10MB），我按你的声音克隆后再配音。

换声音直接说名字。不换就回复「用默认」。要用自己的声音，把音频发过来。

内置名单必须原样给出。发完后立刻 GET /workflow/tts/clone/list。ready 且未过期的，用名称接在「我的声音」下面，例如「- 我的旁白：已经做好，可以直接用。」没有就不要编造。

用户这条消息里已经点了内置名字，或点了已做好的克隆名字：先把名单发出去，写明用的是哪一个，然后继续，不要再等一次。发来了音频或音频链接：名单照发，写明按这段声音克隆，然后进入「克隆音色」，不要再等一次。没点名也没给音频：名单发完就停。选定之前不要配音，不要扣费。

对照（只给自己用，不要念给用户）：

已做好的克隆不在这张表里。配音时用 clone/list 返回的 voiceId。删除时才用 uid。两个编号不要混用。

克隆音色

用户发来音频、给了音频链接，或说用我的声音、克隆、复刻，才走这里。

1. 没有音频就停下来要。对用户说：请发一段 10～20 秒的清晰人声，单人朗读，尽量不要背景音乐，mp3、wav 或 m4a，不超过 10MB。
2. 没起名字就用「我的旁白」。
3. 对话里的文件或本地文件：先 POST /workflow/audio/upload-token，body 为 { "ext": "mp3" }，ext 按实际后缀，只能是 mp3、wav、m4a。再向返回的 uploadUrl 发 multipart，字段是 token、key、file。不要带登录凭证。样本地址用返回的 url。用户已经给了 http(s) 链接就跳过上传。
4. POST /skill/task，type 为 voice_clone。这是克隆的账，和后面配音的账分开，各扣 5 积分。记下 data.uid。
5. POST /workflow/tts/clone/create，body 带 name、url、language 为 zh、skillTaskUid。
6. 还没就绪：每 5 秒 GET /workflow/tts/clone/list，直到这条 ready 为 true，或失败，或大约 2 分钟。对用户说：正在按你的声音制作，通常不到一分钟。
7. 成功后用这条的 voiceId 去配音。对用户只说名称。然后回到口播稿确认，不要跳过稿子。

失败时这样说：

• 会员不够：「需要开通会员后才能克隆音色」，并给出 去支付。
• 名额满了：「克隆音色数量已达上限。可以用 50 积分扩展 1 个名额，或告诉我删掉哪一个。」用户同意扩展，再 POST /workflow/tts/clone/expand，body 为 { "count": 1 }。删除用 list 的 uid，POST /workflow/tts/clone/remove。
• 声音不合适：「这段声音不太适合克隆。请换一段 10～20 秒、安静环境、吐字清楚的单人朗读再试。」

怎么做

对话里已经有配音地址和分镜时，从「创建视频」开始，不要重新配音，不要重新分镜。

否则：

1. 音色按上面选定。没指定就是解说小明，账单写「未指定，技能默认」。点了内置名字或已做好的克隆，账单写「用户指定」。这次新克隆的，账单写「本次克隆」。然后写一段 80～180 字的口语稿。成片是横屏。把稿子给用户看，并说明确认后会扣配音 5 积分、分镜 2 积分、成片按镜头数乘 5。刚克隆过的，再补一句克隆已扣 5 积分。用户说确认、做成片、同意、生成视频，都算确认。音色还没定的时候，这些话不算确认。
2. 配音。内置音色用对照表。克隆音色用 clone/list 的 voiceId。先 POST /skill/task，type 为 voice_tts，和克隆那次任务分开。稿子原样提交。拿到 audioUrl 再继续。
3. 用该音频做文字分镜，count 用 5。只向用户列出每镜的时间和画面，不要配图。
4. 立刻创建视频。body 使用该 audioUrl、选题、aspectRatio: "16:9"、音频时长，以及分镜返回的 lyric、desc、prompt、startTime、endTime。
5. 每 20 秒查一次进度。ready_export 时立刻导出，body 只有 taskId。videoUrl 非空后，把口播稿、音频链接、分镜、视频链接交给用户，紧跟着账单。超过 60 分钟还没有地址，告诉用户这次超时了，同样要出账单。

账单

只要这次扣过费，结束时必须输出账单，即使用户没问。做成片时放在视频链接后面。失败、超时、用户中途叫停，也要列出已经扣掉的部分。

数字只取本次返回，禁止估算，禁止抄上一单：

• 克隆积分：登记克隆返回的 cost、extra.remainBefore、extra.remainAfter。没克隆就写「未扣」。
• 配音积分：登记配音返回的 cost、extra.remainBefore、extra.remainAfter。costFrom 为 token 写成「额度」，为 bill 写成「账户积分」。
• 配音字数：配音返回的 used_score、tts_score。
• 分镜：分镜返回的 cost。退回了就写「已退回」。
• 成片：创建视频返回的 costScore、shotCount。

没走到的步骤写「未扣」。按这个结构输出，花括号换成真实数字：

账单
音色：{名称}（未指定，技能默认）
克隆：扣 {cost} 积分（额度 {remainBefore} → {remainAfter}）
配音：扣 {cost} 积分（额度 {remainBefore} → {remainAfter}）
配音字数：扣 {used_score} 字，剩余 {tts_score}
分镜：扣 {cost} 积分
成片：{shotCount} 个镜头 × 5 = {costScore} 积分
合计：{克隆 + 配音 + 分镜 + 成片} 积分，{used_score} 字

余额不足

克隆、配音、分镜、成片、扩展名额，只要返回余额不足、积分不足、额度不足或配音字数不足，立刻停住，不要重试，不要换一条继续扣。对用户原样说：

余额不够，这次先停在这里。请点击下面的链接完成支付，付完告诉我，我再继续。

[去支付](https://ai.growingth.com/skill/pay?type=video)

支付地址只使用 https://ai.growingth.com/skill/pay?type=video。不要改成别的支付页。

不要做

• 不要配图，不要问要不要配图。
• 不要调用 /music/video/workflow/create，那是歌曲成片。
• 不要安装或使用 Pillow、ffmpeg、moviepy，不要在本机拼视频。
• 不要写 srt、字幕或剪辑素材，不要让用户去剪映、PR 或网页导出。
• 不要说「没有合成视频的能力」。创建视频的地址就在上表。
• 不要跳过音色名单，直接拿解说小明开始配音。
• 不要在没有音频时声称已经克隆成功。
• 不要把克隆记录的 uid 拿去配音。
• 余额不足时不要跳过支付链接，也不要继续往下扣费。