📦 baiyin-cover-sing-skill — 技能工具

技能文档

当用户希望通过百音开放平台创建 AI 歌手翻唱任务、查询翻唱进度，或获取最终翻唱结果时，使用这个 skill。

前置要求

• BAIYIN_OPEN_URL
• BAIYIN_OPEN_KEY

公网地址处理

• 当翻唱任务需要公网音频 URL，而用户提供的是本地文件路径、聊天附件、网盘私链或其他不可直接访问的地址时，不要只提示“需要公网 URL”。
• 直接指导用户先使用百音开放平台文件上传接口上传文件，拿到公网地址后再继续当前流程。
• 上传接口：POST {BASE_URL}/api/open/v1/file/upload
• 认证方式：Authorization: Bearer ，Content-Type: multipart/form-data
• 表单字段：file 必填，filename 选填，dir 选填
• 成功后从返回的 data.url 取公网地址，填入 inputFullUrl 等需要 URL 的字段
• 不要求用户自行准备 OSS、CDN 或其他外部存储；优先提示百音开放平台上传能力

接口地址

• 查询可用歌手模型：GET {BASE_URL}/api/open/v1/cover/models
• 创建任务：POST {BASE_URL}/api/open/v1/cover/sing
• 查询任务：GET {BASE_URL}/api/open/v1/tasks/{taskId}

首要前提

开始创建 AI 歌手翻唱任务前，必须先确认 modelId。

• 如果用户还没有提供 modelId，必须先调用 GET {BASE_URL}/api/open/v1/cover/models
• 先把可用模型列表展示给用户选择，再继续创建翻唱任务
• 在 modelId 未明确前，不要继续收集 type、reverbType、format、pitchShift 这类次级参数
• 不要猜测、编造或默认填充 modelId

核心模式

根据用户表达判断当前模式。除非必要，不要要求用户自己选择技术字段名。

• 创建模式

• 状态模式

• 结果模式

参数策略

只要已经能组成合法翻唱请求，就不要为了可选字段反复追问用户。

• 从对话中提取已有字段：

• 用户没写时使用默认值：

• 如果用户意图中包含明显的男女声转换，在创建任务前先提醒 pitchShift 建议值：

• 只有在请求信息不足以组成可用翻唱任务时，才追问。

字段映射规则

• modelId

• taskName

• inputFullUrl

• type

• reverbType

• format

• pitchShift

请求体

创建翻唱任务时使用如下基础结构：

{
  "modelId": "",
  "taskName": "",
  "inputFullUrl": "",
  "type": 0,
  "reverbType": 3,
  "format": "mp3",
  "pitchShift": 0
}

编码规则

• 发送包含中文的 taskName 等文本字段时，必须确保请求体使用 UTF-8 编码。
• 如果当前调用方式不能稳定发送 UTF-8 中文，优先改用明确指定 UTF-8 的请求方式。
• 不要把 ??、乱码、替代字符当作有效任务名称或结果文本。

任务查询结果

对于 cover_record 任务，查询接口会返回标准化状态，以及以下结果字段：

• recordId
• internalTaskId
• userTaskId
• audioUrl
• inferenceUrl
• inputFullUrl
• inputVocalUrl
• inputInstrumentalUrl
• format
• score

可能状态：

• queued
• processing
• succeeded
• failed

结果校验

• 当任务进入 processing 或 succeeded 后，检查返回结果中的关键文本字段是否可读。
• 如果任务名称、结果文本或关联名称出现乱码、??、空值且与原始请求明显不一致，视为异常结果。
• 异常结果不能作为最终交付返回给用户。
• 出现名称或文本异常时，要明确说明编码或写入异常，并建议重新创建任务或改用稳定编码方式重试。

对话行为

• 如果用户说“用这个模型翻唱”“帮我做个 AI 翻唱”，并且已经给出 modelId，就直接创建任务。
• 如果用户要做 AI 翻唱，但还没给出 modelId，先调用 /api/open/v1/cover/models，把可选模型列给用户选。
• 如果用户请求中存在明显的男女声转换意图，在创建前先提醒 pitchShift 建议值：

• 这类提醒属于创建前的重要参数提醒，不算为了可选字段反复追问。
• 如果用户说“查下这个翻唱任务”“完成了吗”“把结果给我”，且上下文指向明确，就复用当前会话最近一个翻唱 taskId。
• 如果没有明确 taskId，但用户要查状态或结果，就直接让用户提供 taskId。
• 只要请求已经足够创建翻唱任务，就不要追问 reverbType、format 这类可选字段；但如果存在明显的男女声转换意图，仍要先提醒 pitchShift 建议值。
• 将“板式”“plate”视为 reverbType = 1。
• 将“大厅”“hall”视为 reverbType = 2。
• 将“无混响”“dry”视为 reverbType = 3。

最少追问原则

只有在以下情况下才追问：

• 请求里没有明确 modelId
• 请求里没有足够信息推断出可用的任务名称
• 用户要查询状态或结果，但当前上下文没有明确 taskId

不要为了确认以下内容单独追问：

• 可选的 inputFullUrl
• type
• reverbType
• format
• pitchShift

工作流程

• 先确认用户要的是 AI 歌手翻唱，不是歌手训练。
• 判断当前是创建模式还是查询模式。
• 创建模式下，如果没有 modelId，先调用 GET /api/open/v1/cover/models。
• 将可用模型列表展示给用户选择 modelId。
• modelId 明确后，再从用户请求中提取翻唱参数并补默认值。
• 如果请求中存在明显的男女声转换意图，先提醒 pitchShift 建议值；男转女建议 +12，女转男建议 -12。
• 只有用户明确确认建议值或自行指定后，才把 pitchShift 写入创建请求。
• 调用创建翻唱任务接口。
• 返回 taskId、requestId 和当前 status。
• 用户后续查询状态或结果时，使用已有 taskId 调用任务查询接口。
• 如果用户明确要求持续等待结果，可以按固定间隔轮询同一个 taskId。
• 轮询时，状态为 queued 或 processing 就继续等待；状态变成 succeeded 或 failed 就停止。
• 轮询间隔默认 1 分钟，单次连续轮询默认最多 6 次；如果用户要求继续，再继续下一轮。
• 回复时优先返回状态。
• 任务成功后，返回 audioUrl、inputVocalUrl、inputInstrumentalUrl 以及其他可用字段。
• 任务失败时，明确返回后端 error，不要假装结果已生成。

模型列表返回使用规则

调用 GET /api/open/v1/cover/models 后：

• 使用 data.rows 作为可选模型列表
• 至少向用户展示 modelId 和 modelName
• 有 description、tags、demoUrl、isRecommended 时，一并展示，帮助用户选择
• 用户未选定 modelId 前，不要继续进入创建任务步骤

输出格式

• 创建任务后，回复中应包含：

• 轮询或查询时，保持回复简洁，先说状态。
• 如果用户要求轮询等待，回复中应说明这是轮询结果，并在结束时明确说明是成功结束还是失败结束。
• 任务成功时，输出顺序优先：

错误处理

• 创建任务返回 400 时，说明请求参数不合法或不完整，并让用户修正模型 ID 或请求字段。
• 创建任务返回 401 时，说明百音开放平台 API Key 无效或当前环境不可用。
• 创建任务返回 402 时，说明账户余额不足。
• 查询任务返回 404 时，说明任务不存在，并让用户提供正确的 taskId。
• 任务状态为 failed 时，有后端错误信息就直接返回。

示例

示例 1：

• User: Use model_123 to make a cover task called Night Song
• 识别结果：

示例 2：

• User: Use model_456 to cover this song: https://example.com/song.mp3
• 识别结果：

示例 3：

• User: 帮我做一个 AI 翻唱，但我还没选模型
• 下一步：

示例 4：

• User: Check the last cover task
• 识别结果：

示例 5：

• User: Show me the result for task_abc123
• 识别结果：

回复规则

• 在任务查询结果明确为 succeeded 之前，不要声称翻唱已经完成。
• 最终结果以任务查询接口返回字段为准，不要猜。
• 如果状态还是 queued 或 processing，就如实返回，不要虚构音频结果。
• 即使成功结果里没有 inputVocalUrl 或 inputInstrumentalUrl，也要返回已有的 audioUrl 和其他字段。
• 最终交付给用户的关键文本结果必须可读且不含乱码。
• 如果返回结果中存在乱码或 ??，必须明确标记为异常结果，不能当作正常成功结果交付。
• 用户只要求“查一次”时，不要擅自长时间轮询。