前言¶
在 Agent 裏做旁白、播報或短音頻時，常見做法是手寫腳本去對接雲廠商 TTS，再自己處理鑑權、參數和產物 URL。流程長，也容易和對話上下文脫節。下面介紹 SkillHub 上的 gemini 2.5 tts（座標 @user_f95f21b8/dlazy-gemini-2-5-tts，當前版本 1.0.9）：把「寫提示詞 → 選語言與音色 → 拿到音頻鏈接」收斂成 Agent 可執行的 dlazy gemini-2.5-tts 命令，底層走 dLazy 託管的 Gemini 2.5 TTS API。
這是什麼¶
gemini 2.5 tts 是社區來源（community）、分類爲 design-media 的 Agent Skill，由 SkillHub 用戶 user_f95f21b8 發佈。官方簡介爲：Generate multilingual, highly natural audio using Gemini 2.5 text-to-speech.
技能本體是 dLazy CLI 的薄封裝：維護方爲 dlazyai，CLI 源碼在 github.com/dlazyai/cli，npm 包爲 @dlazy/cli（技能元數據固定版本 1.0.9）。調用時文本與參數發往 api.dlazy.com，生成結果 URL 由 files.dlazy.com 託管。SkillHub 標籤標明 requires_api_key=true，需配置 dLazy API Key 後才能實際合成。
核心功能¶
根據技能包內 SKILL.md / SKILL-cn.md，已覈實能力包括：
- 多語言語音：
--voice_language支持cmn（默認）與en。 - 多音色：
--voiceName在兩種語言下提供同一套命名音色（如默認Kore），中文場景附帶風格說明（如 Zephyr - 明亮、Puck - 歡快等）。 - 必填提示詞：
--prompt爲合成文本來源；未提供會觸發 CLI 必填校驗。 - 模型標識：成功響應中的
modelId爲gemini-2_5-pro-preview-tts。 - 輔助選項：
--dry-run可打印請求載荷與費用估算而不調用 API；--no-wait與--timeout（默認 1800 秒）用於異步任務；可用dlazy status <generateId> --wait輪詢。 - 觸發詞：技能文檔列出
gemini tts、text to speech/文本轉語音、generate speech/生成語音等，便於 Agent 匹配意圖。
安裝與啓用¶
1. 安裝 SkillHub CLI（若尚未安裝）¶
按 SkillHub 安裝文檔 檢查：
command -v skillhub && skillhub --version
未安裝時可執行完整安裝腳本（文檔推薦）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 將 Skill 裝到當前 Agent 的 skills 目錄¶
安裝時必須用 --dir 指向當前客戶端識別的 skills 路徑，否則默認落在 ./skills/ 可能不會被加載。常見路徑（來自 SkillHub 文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下.agents/skills/
示例（將路徑替換爲你的環境）：
skillhub install @user_f95f21b8/dlazy-gemini-2-5-tts --dir ~/.cursor/skills/
也可讓 Agent 按 skillhub.cn/install/skillhub.md 的說明安裝同一座標。
3. 安裝 dLazy CLI¶
技能依賴 npm / npx。全局安裝版本與技能元數據一致：
npm install -g @dlazy/cli@1.0.9
不想全局安裝時，可按次調用：
npx @dlazy/cli@1.0.9 <command>
4. 配置 API Key¶
在 dlazy.com 註冊後，於 API Key 頁面 複製密鑰，寫入 CLI：
dlazy auth set YOUR_API_KEY
密鑰保存在 ~/.dlazy/config.json（Windows 爲 %USERPROFILE%\.dlazy\config.json），也可通過環境變量 DLAZY_API_KEY 按次傳入。
典型用法¶
技能要求 Agent 通過 CLI 獲取結果。先查看完整參數：
dlazy gemini-2.5-tts -h
基礎合成（官方示例）：
dlazy gemini-2.5-tts --prompt '提示詞內容'
指定英語與音色示例（參數名與取值以 -h 爲準）：
dlazy gemini-2.5-tts --prompt 'Hello from the agent.' --voice_language en --voiceName Puck
調用前可用 --dry-run 覈對載荷與預估費用。成功時 CLI 返回 JSON，ok: true，result.tool 爲 gemini-2.5-tts，outputs 中含託管在 files.dlazy.com 的媒體 URL（技能文檔中的結構示例字段爲 type、url、mimeType 等）。
適用場景與注意¶
適合：已在用 Cursor、Claude Code、Codex 等支持 Skills 的客戶端，希望用自然語言驅動「Gemini 2.5 TTS + 多音色」，且接受 dLazy 雲端計費與數據出站（提示詞會發送到 api.dlazy.com）。
注意：
- 付費與餘額：需有效 dLazy API Key 與賬戶積分；
insufficient_balance時需到 Credits 設置 充值。 - 鑑權失敗：
unauthorized時檢查 Key 是否已dlazy auth set或環境變量是否生效。 - 合規與安全：本地路徑若出現在其他媒體字段，CLI 會上傳到
files.dlazy.com；使用前請閱讀 dlazy.com 服務條款。 - SkillHub 數據：截至資料抓取，該 Skill 評分 100000，下載 1331，安裝 4；統計會隨 SkillHub 更新變化。
結尾¶
gemini 2.5 tts 把 Gemini 2.5 文本轉語音接到 Agent 工作流裏：Skill 負責觸發與命令約定，dLazy CLI 負責鑑權與 API 調用。需要查看版本與安裝說明時，可打開 SkillHub 頁面：
