前言¶
在 Agent 里做旁白、播报或短音频时，常见做法是手写脚本去对接云厂商 TTS，再自己处理鉴权、参数和产物 URL。流程长，也容易和对话上下文脱节。下面介绍 SkillHub 上的 gemini 2.5 tts（坐标 @user_f95f21b8/dlazy-gemini-2-5-tts，当前版本 1.0.9）：把「写提示词 → 选语言与音色 → 拿到音频链接」收敛成 Agent 可执行的 dlazy gemini-2.5-tts 命令，底层走 dLazy 托管的 Gemini 2.5 TTS API。
这是什么¶
gemini 2.5 tts 是社区来源（community）、分类为 design-media 的 Agent Skill，由 SkillHub 用户 user_f95f21b8 发布。官方简介为：Generate multilingual, highly natural audio using Gemini 2.5 text-to-speech.
技能本体是 dLazy CLI 的薄封装：维护方为 dlazyai，CLI 源码在 github.com/dlazyai/cli，npm 包为 @dlazy/cli（技能元数据固定版本 1.0.9）。调用时文本与参数发往 api.dlazy.com，生成结果 URL 由 files.dlazy.com 托管。SkillHub 标签标明 requires_api_key=true，需配置 dLazy API Key 后才能实际合成。
核心功能¶
根据技能包内 SKILL.md / SKILL-cn.md，已核实能力包括：
- 多语言语音：
--voice_language支持cmn（默认）与en。 - 多音色：
--voiceName在两种语言下提供同一套命名音色（如默认Kore），中文场景附带风格说明（如 Zephyr - 明亮、Puck - 欢快等）。 - 必填提示词：
--prompt为合成文本来源；未提供会触发 CLI 必填校验。 - 模型标识：成功响应中的
modelId为gemini-2_5-pro-preview-tts。 - 辅助选项：
--dry-run可打印请求载荷与费用估算而不调用 API；--no-wait与--timeout（默认 1800 秒）用于异步任务；可用dlazy status <generateId> --wait轮询。 - 触发词：技能文档列出
gemini tts、text to speech/文本转语音、generate speech/生成语音等，便于 Agent 匹配意图。
安装与启用¶
1. 安装 SkillHub CLI（若尚未安装）¶
按 SkillHub 安装文档 检查：
command -v skillhub && skillhub --version
未安装时可执行完整安装脚本（文档推荐）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 将 Skill 装到当前 Agent 的 skills 目录¶
安装时必须用 --dir 指向当前客户端识别的 skills 路径，否则默认落在 ./skills/ 可能不会被加载。常见路径（来自 SkillHub 文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下.agents/skills/
示例（将路径替换为你的环境）：
skillhub install @user_f95f21b8/dlazy-gemini-2-5-tts --dir ~/.cursor/skills/
也可让 Agent 按 skillhub.cn/install/skillhub.md 的说明安装同一坐标。
3. 安装 dLazy CLI¶
技能依赖 npm / npx。全局安装版本与技能元数据一致：
npm install -g @dlazy/cli@1.0.9
不想全局安装时，可按次调用：
npx @dlazy/cli@1.0.9 <command>
4. 配置 API Key¶
在 dlazy.com 注册后，于 API Key 页面 复制密钥，写入 CLI：
dlazy auth set YOUR_API_KEY
密钥保存在 ~/.dlazy/config.json（Windows 为 %USERPROFILE%\.dlazy\config.json），也可通过环境变量 DLAZY_API_KEY 按次传入。
典型用法¶
技能要求 Agent 通过 CLI 获取结果。先查看完整参数：
dlazy gemini-2.5-tts -h
基础合成（官方示例）：
dlazy gemini-2.5-tts --prompt '提示词内容'
指定英语与音色示例（参数名与取值以 -h 为准）：
dlazy gemini-2.5-tts --prompt 'Hello from the agent.' --voice_language en --voiceName Puck
调用前可用 --dry-run 核对载荷与预估费用。成功时 CLI 返回 JSON，ok: true，result.tool 为 gemini-2.5-tts，outputs 中含托管在 files.dlazy.com 的媒体 URL（技能文档中的结构示例字段为 type、url、mimeType 等）。
适用场景与注意¶
适合：已在用 Cursor、Claude Code、Codex 等支持 Skills 的客户端，希望用自然语言驱动「Gemini 2.5 TTS + 多音色」，且接受 dLazy 云端计费与数据出站（提示词会发送到 api.dlazy.com）。
注意：
- 付费与余额：需有效 dLazy API Key 与账户积分；
insufficient_balance时需到 Credits 设置 充值。 - 鉴权失败：
unauthorized时检查 Key 是否已dlazy auth set或环境变量是否生效。 - 合规与安全：本地路径若出现在其他媒体字段，CLI 会上传到
files.dlazy.com；使用前请阅读 dlazy.com 服务条款。 - SkillHub 数据：截至资料抓取，该 Skill 评分 100000，下载 1331，安装 4；统计会随 SkillHub 更新变化。
结尾¶
gemini 2.5 tts 把 Gemini 2.5 文本转语音接到 Agent 工作流里：Skill 负责触发与命令约定，dLazy CLI 负责鉴权与 API 调用。需要查看版本与安装说明时，可打开 SkillHub 页面：
