foleyix/audiocreator-foleyix
Write, optimize, or repair Foleyix prompts and create background music, songs with vocals and lyrics, podcasts, ambience, sound effects, game effects, narration, dialogue, and sound scenes. Keep audio types and limits aligned with the website; check tasks and quota, then download private WAV results when generation is requested.
69
87%
Does it follow best practices?
Run evals on this skill
Adds up to 20 points to the overall score
View guide
Low
Low-risk findings worth noting
capabilities.mdreferences/
Foleyix 能力与提交边界
按 2026-10-04 的本地代码与官方文档整理。声音类型、网站路径、CLI／网站模式和输入限制以同目录 audio-capabilities.json 为准，它与网站共用源清单。此快照不证明所有本地页面已经上线；当用户要求实时可用性、具体目录项或线上操作时，读取当时的公开页面／数据，而不是沿用数量或发布状态。公开能力描述地址为 https://foleyix.com/audio-capabilities.json；未上线或读取失败时回退到包内快照。
单次生成
- 模型：
qwen-audio-3.1-tts-next，统一生成人声、对白、音效、环境声与综合声景。项目也提供纯音乐 BGM 和有歌词演唱／说唱的歌曲生成，均沿用同一链路与free输入。不要将歌曲与纯器乐混为一种。 - 任务标签：
free、narration、dialogue、podcast、scene、sfx、ambience。标签不追加隐藏风格、时长或内容指令；想要的声音必须写在最终文本里。独立播客工具提交podcast，普通工作台及其它独立声音工具提交free。CLI 可用free生成人声歌曲，无专用song参数。 - 文本上限：3,000 Unicode code point，包含换行、空格、共享指令、必要的角色参考前缀。官方输出上限：播客 240 秒，其它场景 120 秒。不能靠选
podcast保证生成四分钟，也不能用该标签绕过其它场景的上限。 - 模型官方明确列出的语种为中文、英文。本地界面与角色／声音样例另含日、俄、法、葡、西、阿拉伯和韩语；UI 语言、提示词语言和实际说话语言是三个独立概念。用户选其它语言时保留原语言，说明该语言需要试听验证即可。
- 音频长度、精确停顿、节拍和音色一致性需要实际结果验证。项目常规生成请求 WAV、48 kHz、双声道；不能把文字要求当作已实现的多轨、音频 stems 或任意编码参数。
参考音与音色设计
| 路径 | 提示词写作所需区别 |
|---|---|
| 不选参考音 | 用文字描述合成人物的声音；不需要 @voice 标记 |
| 网站角色库 | 可以筛选试听、查看原始提示词，导入为自己账号的 ready 参考音后再选择；目录卡片 ID 不能直接当作 @voice 或 provider voice ID |
| 网站设计角色 | 分别提供声音描述与短样例台词；项目用同一个生成模型制作单人干声预览，目标不超过 25 秒，实际参考须不超过 30 秒 |
| 网站上传参考音 | 当前代码有权限／说话者许可确认和文件校验；每条最长 30 秒、最大 10,000,000 字节。浏览器转为 24 kHz 单声道 WAV，再进入已有参考音流程；是否线上开放需当时确认 |
$audiocreator-foleyix CLI（1.5.0） | voices --json 查询账号已保存参考音；生成时重复 --voice-id ID，最多三条，按参数顺序映射 @voice1–@voice3。用 voice-create + voice-preview 创建合成参考，或用 voice-upload --rights-confirmed 上传有权使用的 WAV；这些写入需新增 voices:write 授权，旧连接需重新登录。目录导入仍用网站；仅写标记不会附上文件 |
| 公开生成 API（API key） | 仍只提交 mode 和 prompt，不支持参考音绑定；不要混同官方 CLI 的设备授权接口 |
最多三条参考，按选择顺序对应 @voice1、@voice2、@voice3，把编号与角色清晰关联。用户已有映射时保留，不自动重排。用户要求四位角色不等于必须选四条参考：可用合成描述区分，或在确实需要四个参考时分成多段；不保证同一参考分饰角色的差异。
当前本地目录是 104 条原创合成角色预览，含九种语言的基本档案和 32 个中文角色风格；年龄标签表示听觉印象。动漫／影视／游戏名称是发现与风格线索，不能称为官方演员声音。不要复制整个目录到提示词；有需要时只选本次相关条目。
目录读取：仓库 app/lib/voice-catalog.json，公开快照 https://foleyix.com/voice-library/manifest.json。关注 language、promptLanguage、prompt、spokenText、referenceId（若有）、真实时长和参考文件。条目用了另一个参考音时，原始提示词不能脱离该参考假装可独立复现。试听页是 https://foleyix.com/voice-library（中文 /zh/voice-library）。
控件与长稿
网站普通生成另有全局音量 0—100（默认 50）和速度 0.5、0.75、1、1.25、1.5、2 倍（默认 1）。数值参数不是角色演技：一句“紧张地快速接话”仍需写在文本中。仅在用户要设置时推荐控件，避免与已写的速度要求冲突；CLI 无这些参数。
专业项目支持分段、最多三个 ready 参考、共享声音指令、版本选择，以及音量、间隔、裁剪、淡入淡出和导出。当前分段流程以每段估计最多 120 秒为边界，自动切分目标约 2,000 原始字符，最多 100 段；最终编译文本仍须不超过 3,000。这只是项目的分段路径，不能承诺把十分钟全文一次生成。遇到逐字长稿，不静默摘要或删掉关键内容；优先使用专业分段方案。
灵感与来源
选公开样例时区分原始提示词和声音结果，取组织方式，不搬入无关台词、品牌或场景。已有脚本优化器的原则是保留全部说出的文字、原语言、参考标记和完整约束，不填补未给出的创意；显式创作请求则可以按授权范围写新内容。
本地依据（有仓库时再查看）：app/lib/audio-input.ts、app/lib/contracts.ts、app/server/generations.ts、workers/generation-workflow.ts、app/server/prompt-optimization.ts、app/lib/professional-split.ts、skills/audiocreator-foleyix/SKILL.md、docs/voice-library.md、docs/bgm-generator.md。
保持同步
维护源是 app/lib/audio-capabilities.json，网站认证入口、生成控件的提交模式和输入限制读取它。node scripts/sync-audio-skill.mjs 更新包内 references/audio-capabilities.json、入口类型表与公开静态描述 public/audio-capabilities.json；--check 只校验、不改文件。打包拒绝不同步的源与快照，不能只改一份技能文档就宣布网站具备新能力。
新类型必须有真实网站流程、受支持的 CLI 映射或明确标为网站专属；相关写作分支也要同步更新。生成单条声音、网站批量控制、长期参考音资源和整节目编辑／导出是不同操作，即使声音种类一致也不能虚构 CLI 参数。需要实时能力时读公开描述；新增线上模式若本地 CLI 未实现，更新技能或进入网站，不能直接将远程任意字符串当作模式提交。
外部依据（2026-10-03 读取；模型上限取模型详情，项目输入边界取当前代码）：官方模型详情、官方音频提示词指南、Foleyix 写作说明。不把官方 API 能力自动视为当前 Foleyix CLI 已支持的参数。