Habilidade de Jingle de Áudio

Três sub-modos. O audioKind do projeto ativo decide qual deles executa:

Mapa de Recursos

audio-jingle/
├── SKILL.md
└── example.html

Fluxo de Trabalho

Etapa 0 — Ler os metadados do projeto

audioKind, audioModel, audioDuration (segundos) e (para fala) voice. Ramifique por valores conhecidos e use-os literalmente. Metadados ausentes não são uma instrução para perguntar: infira um padrão seguro quando possível e emita um formulário de esclarecimento apenas quando a resposta ausente alterar materialmente o resultado solicitado ou impedir a geração.

Importante: voice é específico do provedor. Para minimax-tts, --voice deve ser um voice_id MiniMax válido (por exemplo, male-qn-qingse), não uma descrição em linguagem natural. Se você tiver apenas um breve de voz em prosa ("narrador feminino caloroso", "mandarim neutro"), mantenha isso em seu plano mas omita --voice para que o ID de voz padrão do daemon se aplique, ou pergunte ao usuário para escolher um ID específico.

Etapa 1 — Plano

Música

• Gênero + artistas de referência (1-2)
• Tempo (BPM) + tom
• Instrumentação (máximo de 3-5 instrumentos)
• Vocais: sim / não / cantarolado / coral
• Arco de humor (introdução → refrão → final)

Fala

• Roteiro (final, não rascunho — TTS executa literalmente)
• Alvo de voz + ritmo Para MiniMax, isso significa um voice_id real, não prosa em --voice
• Dicas de pronúncia para nomes próprios / acrônimos

SFX

• Textura (impacto / whoosh / ambiente / foley)
• Duração + envelope (ataque rápido vs. suave)
• Nota de sobreposição (golpe único vs. empilhado)

Declare o plano em 2-3 frases antes de despachar.

Etapa 2 — Compor o prompt

Use o formato que o modelo upstream prefere. Vincule audioDuration ao parâmetro da API diretamente; nunca coloque "faça 30 segundos" em prosa.

Etapa 3 — Despachar via contrato de mídia

Use o despachante unificado — não chame APIs de provedor manualmente:

"$OD_NODE_BIN" "$OD_BIN" media generate \
  --project "$OD_PROJECT_ID" \
  --surface audio \
  --audio-kind "<music|speech|sfx>" \
  --model "<audioModel from metadata>" \
  --duration <audioDuration seconds> \
  [--voice "<provider voice id (speech only)>"] \
  --output "<short-slug>-<duration>s.mp3" \
  --prompt "<assembled prompt from Step 2 — for speech, the literal script>"

O comando imprime uma linha de JSON: {"file": {"name": "...", ...}}. Os bytes chegam ao projeto; o FileViewer renderiza os controles de transporte de áudio automaticamente.

Etapa 4 — Entregar

Responda com: resumo do plano, o nome do arquivo retornado pelo despachante e uma frase sobre o que tentar se o usuário quiser uma variação (por exemplo, "trocar o tempo de 92 para 108 BPM" em vez de "torná-lo diferente").

Regras rígidas

• TTS executa seu roteiro literalmente. Revise-o antes de despachar — mesmo uma vírgula perdida muda a cadência.
• MiniMax TTS rejeita prosa de voz livre em --voice. Use um voice_id MiniMax real (por exemplo, male-qn-qingse) ou omita o sinalizador e deixe a voz padrão do daemon ser aplicada.
• Música: menos de 30s = seção única; 30–90s = introdução + corpo; 90s+ = arco completo. Não tente encaixar uma música de 3 atos em 15 segundos.
• SFX: prefira uma camada bem descrita a um parágrafo de "torne-o legal" — geradores recompensam palavras de textura específicas.
• Salve o arquivo a cada turno. O visualizador de áudio mostra os controles de transporte no momento em que o arquivo chega.