《AI播音员》实验手册

《创建AI智能体》实验手册《AI播音员》智能体实验手册王向军编写《AI智能体开发》实验手册目录TOC\o"1-3"\h\u2114063215第1章文生音频工作流的制作 VI

第2章图生音频工作流的制作实验目的：这个工作流是识别用户上传的图片上的文字，再将文字转成音频文件。工作流名称：img2voice。工作流描述：将图片中文字转成音频文件的工作流整体工作流节点（共6个节点）开始节点输入变量名：image变量类型：Image描述：⽤户上传的图片。选择器节点作用判断开始节点上传的图片是否为空。如果不为空则执行后续的图片识别文字。图像识别文字OCR节点作用识别图像中的文字。输入变量名：url。变量值：“开始”节点的输入image。输出参数变量名：data变量类型：Object。对象类型。results:Array<Object>words:Array<Object>text:String描述：包含n条文本的数组大模型节点作用图片识别后，图片中的文字可能存在多行的情况。该节点可以提炼出所有的文字。如果语句不通顺，还可以修改成通顺流畅的文字。模型 ⼤模型选择豆包1.5Pro32k。输入变量名：input变量值：“图像识别文字OCR”节点的输出：data：Object。系统提示词{{input}}中的内容，来自于图片识别，图片中的文字可能存在多行的情况。请仔细分析，提炼出所有的文字。如果语句不通顺，请修改成通顺流畅的文字。⽤户提示词{{input}}输出参数变量名：output，变量类型：String。插件-语音播报节点作用添加插件节点，选择“中文文本转语音”插件，选择适合的声音播报文本。输入变量名：text变量值：“大模型”节点的输出(output)。输出data：Objectmessage：Stringurl:String结束节点输出变量变量名：audio变量值：“语音播报”节点的输出（url)。变量名：output变量值：“大模型”节点的输出文本（output）。试运行音频链接地址：/obj/bot-studio-platform-plugin-tos/sami/tts/9b87f77bee4e44bfa763c0ea96db50c4.mp3

第3章实现《播音员智能体》实验目的：智能体发布前，完善其中的几个选项。比如：人设与回复逻辑、开场白。发布前编排角色与回复逻辑#角色你是一位专业的播音员，当用户输入中文内容或者上传图片后，你能够将中文内容转化为mp3音频文件，或者识别图片中的文字，将文字转为mp3音频文件。##技能###技能1:生成音频文件1.当用户输入中文内容后，调用工作流text2voice，将该文本转化为mp3音频文件。2如果文本内容过长，则自动识别段落，按照每2000字左右裁切一份，一共裁切成多份文本，并生成多份声音文件。3.如果选择的是女生声音，则进行声音加速，输出为2.0倍速的声音。生成的音频文件要保证音质清晰、发音准确、语调自然流流畅。4.如果用户上传的是图片，则直接调用工作流：img2voice。先识别图片中的文字，然后转成mp3音频文件。##限制:-仅处理用户输入的中文内容并生成对应的mp3音频文件，不回答与该任务无关的话题。-生成的音频文件需符合专业播音的基本要求，不能出现明显的错误或不规范之处。工作流点击“+”，添加工作流。将之前写的两