技能概述
Audio Jingle 技能支援三種音頻生成模式：
| 模式 | 模型 | 焦點 |
|---|---|---|
| music | Suno V5（預設）、Udio、Lyria 2 | 曲風 + BPM + 樂器編排 |
| speech | MiniMax TTS（預設）、FishAudio、ElevenLabs V3 | 腳本 + 聲音 + 節奏 |
| sfx | ElevenLabs SFX（預設）、AudioCraft | 紋理 + 衝擊感 + 持續時間 |
輸出為 MP3/WAV 文件保存到項目文件夾，音頻播放器自動顯示 transport controls。
觸發關鍵字
- music、jingle、bed、voiceover、tts、sound effect、音樂、配音、音效
什麼時候用
- 品牌 jingle / 廣告配樂
- 播客片頭 / 片尾音樂
- 語音合成（TTS）
- 產品演示音效
- 遊戲 / 應用 SFX
- 背景音樂（bed）
使用方法
自然語言觸發
帮我做一个30秒的jingle
生成一個 voiceover
整一個 sound effect
指定技能
用 audio-jingle 技能生成一個 coffee shop launch 嘅 30 秒 jingle
標準工作流程
Music 模式
- 讀項目元數據：
audioKind=music、audioModel、audioDuration - 規劃：曲風 + 參考藝人（1-2 個）、BPM + 調性、樂器（最多 5 件）、人聲（yes/no/hummed/choir）、情緒弧線
- 組裝 prompt — 綁定
audioDuration到 API 參數 - Dispatch 生成
Speech 模式
- 讀元數據：
audioKind=speech、audioModel、voice - 準備最終腳本（TTS 逐字執行 — 逗號都影響節奏）
- 注意：MiniMax TTS 嘅
--voice必須係真實voice_id（如male-qn-qingse），唔係描述性文字 - Dispatch 生成
SFX 模式
- 讀元數據：
audioKind=sfx、audioModel、audioDuration - 描述：紋理（impact / whoosh / ambience / foley）、持續時間、envelope（sharp attack vs gentle swell）
- Dispatch 生成
輸出格式
MP3/WAV 音頻文件，保存至項目文件夾。唔用 <artifact> 標籤。交付時包含：plan summary + 文件名 + 變體建議。
硬規則
- TTS 逐字執行腳本 — Dispatch 前務必校對
- MiniMax TTS 嘅
--voice用真實 voice_id，唔好用描述性文字 - Music：30s 以下 = 單一樂段；30-90s = intro + body；90s+ = full arc
- SFX：偏好一個精準描述嘅層，多過一段 "make it cool"
- 每次都要保存文件
實際例子
例子 1：咖啡廳 Jingle
用戶：「整一個 30 秒嘅 coffee shop launch jingle」
生成：
- Genre：indie-pop、92 BPM
- 樂器：electric piano、brushed drums、gentle bass
- 人聲：無（"ahhh" choir on chorus）
- 輸出：
coffee-launch-30s.mp3
例子 2：播客 Voiceover
用戶：「用 audio-jingle 生成一段歡迎詞配音」
生成：
- Script：「歡迎收聽科技前線，我哋每週帶你了解最新科技趨勢」
- Voice：neutral Mandarin voice_id
- 輸出：
welcome-intro-15s.mp3