aliang-picturebook-audiobook

儿童有声绘本制作

把一个主题做成有声绘本：AI 写故事 → 分段 → 多音色配音 → 统一画风配图 → 合成网页版（+可选视频/音频）。全程用百炼 bl CLI，最后用本 skill 的脚本组装。

前置

• bl (百炼 CLI) 必须可用，已登录（bl auth status 可查）。
• 导出 mp4 / 合并音频需要 ffmpeg（网页版不需要）。

工作流（4 步）

开工前先和用户确认 2 件事（其余用默认）：① 故事主题（必问）；② 要哪些产物（网页版默认必出；是否再加 mp4 视频 / 纯音频 mp3）。段数默认 6、年龄默认 4-8 岁、画风默认水彩绘本，用户没特别要求就别追问。

1. 生成故事 → story.json

读 references/story_prompt.md，填好主题/段数，用 bl text chat --message "<prompt>" --output json 生成，按该文件的解析片段提取成 story.json。

• 若 json.loads 报错（多为对白用了英文引号），强调 prompt 第 7 条重新生成，不要手工修补。
• 生成后把 story.json 的角色/分段简要念给用户看一眼。

2. 选画风（按故事内容推荐，用户确认）

读 references/styles.md，按故事题材匹配出推荐画风，再用 AskUserQuestion 把 7 种预设给用户挑（推荐项放第一个标「(推荐)」）。例如中国神话题材推荐「国潮插画」。用户选定后作为下一步的 --style 值。

3. 配音 + 配图（脚本一把梭）

画风定了后，直接跑构建脚本，它会逐段 TTS + 文生图并组装产物：

python3 scripts/build_audiobook.py --story story.json --outdir <项目目录> --style <画风名> [--web] [--video] [--merge-audio] [--all]

• --style 传预设名（见 styles.md）即可；不传默认「水彩绘本」；也可传自定义画风描述文字。
• 不带产物标志默认只出网页版；--all = 网页+音频+视频。
• 音色自动分配（旁白固定 + 角色轮流），情绪用 rate/pitch 表达。细节与坑见 references/voices.md，动手前务必读它（最关键：系统音色加 --instruction 会报 428，所以禁止用 instruction）。多音色生效的前提是故事 segments 的 speaker 分给了不同角色（见 story_prompt.md 第 6 条）。
• 改了文字/换画风后只重跑：换 --style 重跑即可；只重建网页（不重出媒体）加 --skip-media。

4. 交付

产物在 <项目目录>/：index.html（网页版，双击或 open 即看）、audio/seg_NN.wav、images/seg_NN.png，以及可选 <标题>.mp4、<标题>_audio.mp3。最后用 open index.html 给用户预览。

产物形态

• 网页版（默认）：单 HTML 翻页播放器，逐段大图+字幕+朗读，音频播完自动连播，支持上/下一段、进度条、圆点跳转、键盘 ←/→/空格。模板见 assets/player_template.html。
• mp4 视频版：图片+音频用 ffmpeg 合成 720p 视频，发抖音/视频号用。
• 纯音频 mp3：各段合并成一个文件，喜马拉雅/睡前播放用。

story.json 结构

{
  "title": "书名",
  "characters": [{"name":"旁白","role":"narrator","trait":"温柔讲述者"}],
  "segments": [{"id":1,"speaker":"旁白","text":"朗读文字（对白用中文全角引号）",
    "emotion":"温柔讲述","image_prompt":"该段画面描述","voice":"<可选,覆盖音色>"}]
}

segments 数量任意；emotion 取值见 references/voices.md 的映射表。