前言¶

做配音、旁白或产品演示时，常见做法是单独接一家 TTS 服务：查文档、选音色、拼参数、再下载音频。音色多的时候还要自己维护列表。若希望在与 AI 的对话里直接说「用偏新闻感的男声读这段文案」，并让 Agent 代为选音色、出音频，就需要把语音能力封装成 Skill。下面介绍 SkillHub 上的 Vidu-音频生成（@vidu/vidu-speech-generate-2），它对接 Vidu AI 的语音合成与声音复刻，面向对话式调用。

这是什么¶

Vidu-音频生成 是 SkillHub 分类 design-media 下的企业来源 Skill，当前版本 1.2.0，发布者为 北京生数科技股份有限公司。

官方简介概括为：Vidu AI 语音合成与声音复刻；支持 303 个音色的 TTS 语音合成、声音复刻；对话式调用，并可 自动推荐音色。Skill 标签标明 requires_api_key=true，使用前需准备 Vidu 相关 API 密钥（具体申请与字段名以 Skill 安装后的说明与 Vidu 官方文档为准）。

• Skill 坐标：@vidu/vidu-speech-generate-2
• 资源入口：https://api.skillhub.cn/vidu/vidu-speech-generate-2
• SkillHub 页面：https://www.skillhub.cn/skills/vidu/vidu-speech-generate-2

核心功能¶

以下能力均来自 SkillHub 与官方简介，未单独列出的接口细节不在本文臆造。

1. TTS 语音合成
   在 303 个预设音色范围内生成语音，适合旁白、播报、短视频配音等文本转语音场景。

2. 声音复刻
   除标准音色外，支持基于 Vidu 能力的声音复刻（具体素材要求与流程以 Skill 内指引为准）。

3. 对话式调用与音色推荐
   不必在对话外手写完整 API 请求；用自然语言描述需求（文案、语气、场景），由 Agent 结合本 Skill 调用能力，并在需要时 自动推荐音色。

安装与启用¶

安装流程遵循 SkillHub 通用说明：https://skillhub.cn/install/skillhub.md。下面先做环境检查，再安装本 Skill。

1. 检查 SkillHub CLI¶

确认本机是否已安装 skillhub：

command -v skillhub && skillhub --version

若未安装，可按 SkillHub 文档执行完整安装（CLI + 默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅需 CLI 时：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2. 安装 Vidu-音频生成¶

安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，Agent 可能无法加载。

skillhub install @vidu/vidu-speech-generate-2 --dir <你的 skills 目录>

各客户端常见 skills 路径（摘自 SkillHub 安装文档，以你本机实际配置为准）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

SkillHub 页面亦支持将提示词发给 AI，让其按上述文档安装 @vidu/vidu-speech-generate-2；效果与 CLI 安装目标一致，只是由 Agent 代为执行步骤。

3. API Key¶

本 Skill 标记为需要 API Key。安装完成后，在 Agent 或 Skill 说明中配置 Vidu 密钥；未配置时语音相关调用通常无法成功。密钥请勿写入公开仓库。

典型用法¶

本 Skill 设计为 对话式调用，典型流程如下。

1. 确认 Skill 已装入当前 Agent 的 skills 目录，且 API Key 已配置。
2. 在对话中说明任务，例如：待合成文本、期望语气（沉稳、活泼、新闻播报等）、是否需要特定性别或风格。
3. 由 Agent 调用 Skill 能力：在 303 音色中合成，或在满足条件时使用声音复刻；若未指定音色，可依赖 自动推荐音色。
4. 根据 Agent 返回结果获取音频文件或下载方式（具体返回形式以 Skill 执行结果为准）。

无需在对话中背诵 REST 路径或完整 JSON 体；复杂参数由 Agent 结合 Skill 文档完成。若需核对底层 API，以 https://api.skillhub.cn/vidu/vidu-speech-generate-2 及安装后 Skill 内文档为准。

适用场景与注意¶

适合谁

• 已在 Cursor、Claude Code、Codex 等支持 Skill 的环境中工作，希望把 TTS 与复刻收进同一对话流。
• 需要较多预设音色、又不想自行维护音色 ID 列表的团队或个人。
• 有 Vidu API 访问权限、可接受企业来源 Skill 的合规与计费方式。

限制与注意

• 必须 API Key：requires_api_key=true，无密钥无法使用。
• 来源为 enterprise：与部分开源 Skill 的发布与审计路径不同，接入前请确认组织策略。
• 安装目录：务必 --dir 指向正确 skills 路径；装错目录时 Agent 不会加载，有时还需重启客户端。
• 数据与版权：声音复刻涉及声纹与授权，上传素材与商用范围须符合 Vidu 及当地法规要求。
• SkillHub 页面展示的版本为 v1.2.0；升级可用 skillhub 的更新能力（参见 SkillHub 安装文档第三节）。

结尾¶

Vidu-音频生成 把 Vidu 的 303 音色 TTS、声音复刻和音色推荐封装进 Agent Skill，减少单独对接语音 API 的成本。安装坐标为 @vidu/vidu-speech-generate-2，遵循 SkillHub 安装文档并配置 API Key 后即可在对话中生成语音。

官方与索引地址：

• https://api.skillhub.cn/vidu/vidu-speech-generate-2
• https://www.skillhub.cn/skills/vidu/vidu-speech-generate-2