SenseAudio 睡前故事电台

生成一个完整的睡前故事音频节目——不仅仅是TTS朗读，而是一个结构化的电台风格节目，包含开场、有节奏的旁白、角色配音和舒缓的片尾。

第一步：收集输入

向用户询问：

• - 故事关键词 — 例如：月亮上的小兔子、会飞的小猪、森林里的魔法书
• 孩子年龄 — 影响词汇量和故事复杂度（默认：4–6岁）
• 时长偏好 — 短版（约2分钟）/ 标准版（约4分钟）/ 长版（约6分钟）

第二步：编写故事（LLM任务）

自行生成故事——此步骤无需调用API。根据年龄遵循以下规则：

故事结构：

• - 开头：交代主角和场景（1段）
• 发展：遇到问题或冒险（2–3段）
• 高潮：解决问题的关键时刻（1段）
• 结尾：温馨收尾，引导入睡（1段，语气渐缓）

长度指南：

• - 短版：约300字
• 标准版：约600字
• 长版：约1000字

用角色名称标记对话行：[小兔子]：... [老爷爷]：...

第三步：规划音频节目

在调用任何API之前，先规划完整的节目结构：

[片头] 晚安，小朋友。今天的故事叫做《<标题>》。
声音：female0006a，语速：0.9

[正文段落1] 旁白第一段
声音：female0006a，语速：0.85
+ 段落后

[对话] 角色台词（如有）
小动物/儿童角色 → child0001b，语速：0.9
老人/长辈角色 → male0004a，语速：0.85
旁白继续 → female0006a

[正文后半段] 语速逐段降低：0.85 → 0.80 → 0.75
模拟催眠节奏

[片尾] 故事讲完啦，闭上眼睛，晚安……
声音：female0006a，语速：0.7

第四步：合成每个片段

将每个片段生成为单独的mp3文件，然后列出供用户组装。

片段合成模式：

bash
synthesize() {
local TEXT=$1
local VOICE=$2
local SPEED=$3
local OUTFILE=$4

curl -s -X POST https://api.senseaudio.cn/v1/t2a_v2 \
-H Authorization: Bearer $SENSEAUDIOAPIKEY \
-H Content-Type: application/json \
-d {
\model\: \SenseAudio-TTS-1.0\,
\text\: \$TEXT\,
\stream\: false,
\voicesetting\: { \voiceid\: \$VOICE\, \speed\: $SPEED },
\audio_setting\: { \format\: \mp3\ }
} -o ${OUTFILE}.json

jq -r .data.audio ${OUTFILE}.json | xxd -r -p > $OUTFILE
echo $(jq .extrainfo.audiolength ${OUTFILE}.json)ms — $OUTFILE
}

片段分解：

在片段文本中的段落边界处插入 ，以在段落之间创建自然的停顿。

第五步：输出

列出所有生成的文件及其时长和组装说明：

睡前故事电台生成完成：《<标题>》

文件列表（按顺序播放）：
00_intro.mp3 — 片头（8秒）
01_narration.mp3 — 第一段（42秒）
02_narration.mp3 — 第二段（38秒）
03_dialogue.mp3 — 对话（25秒）
04_narration.mp3 — 第三段，渐慢（45秒）
05_narration.mp3 — 结尾段，更慢（40秒）
06_outro.mp3 — 片尾（12秒）

总时长：约3分50秒

合并命令（需要ffmpeg）：
ffmpeg -i concat:00intro.mp3|01narration.mp3|... -acodec copy story.mp3

如果用户想要不同的故事或年龄段，只需重新生成故事文本并重新合成——节目结构保持不变。