使用 Layer 生成音效、音乐或语音时…

在通过 Layer 生成音效、音乐背景轨或旁白语音时，分别按音效、音乐、语音的规则编写提示词，并处理混响、长度、循环、发音和分块生成问题。

适用场景

解决思路

1. 先在三类用例中选定一个：`sound_effects`、`music` 或 `text_to_speech`，然后按该类别的预期方式写 prompt。
2. 循环和花费门控遵循 `layer` 技能；如果本文提到的兄弟技能不在可用技能中，让用户安装：`npx skills add layerai/skills --skill <name>`；若无人值守，则依据工具 schema 继续，并标记该缺口。
3. 音效：描述物理事件，而不是感觉；说明什么物体、由什么材质构成、正在做什么、什么尺度、在什么空间。例如 “Heavy oak door, iron hinges, swinging open slowly with a low groan, then a dull thud against stone” 是声音，“Scary door sound” 是情绪板。
4. 音效空间：生成效果默认带房间环境；若引擎会自行放置混响，要求 dry、close-mic'd、isolated；wet 效果无法事后变 dry。
5. 音效长度：UI 音效短；模型未给长度目标会产生需要修剪的尾音；明确说出长度。
6. 音效事件：每次生成只做一个事件；脚步、剑出鞘、撞击是三个资产；要求一个序列会得到一个之后不得不手工剪开的文件。
7. UI 音效集：分别生成每个状态，并在每个 prompt 中命名一次共享角色，使 confirm、cancel、hover 音效读起来像同一家族。
8. 音乐：命名流派、乐器编制、速度、情绪和功能；功能是最容易遗漏也最重要的：即使同一风格，菜单循环、战斗层、boss 开场和片尾曲的写法也不同。
9. 音乐：说明曲目不应做什么；游戏背景音乐不应有与对话竞争的抓耳旋律钩子，直接写 “sparse, no lead melody, sits under voice” 比 reroll 三次更快。
10. 音乐：当模型暴露结构化字段（`lyrics`、`instrumental`、`speed`）时，使用字段而不是用散文描述同一件事；`get_base_model` 是哪些字段适用的权威。
11. 音乐：任何必须循环的内容，保持编排稳定，不要构建到无法接回自身开头的高潮。
12. 语音：过滤 `text_to_speech`。
13. 语音：发送干净脚本，带真实标点，因为模型把逗号和句号当作节奏。
14. 语音：拼出任何有歧义的内容：数字、缩写或虚构名，否则会按模型自己的方式读；“Aelthyr” 如果必须在整个演员阵容中一致发音，需要音标重拼。
15. 语音：把交付方式与文字分开指导：pace、energy、age、accent、emotional register。
16. 语音：每个角色保持一个声音，并在项目中复用同一 voice selection；声音在台词间漂移比只是选错更明显。
17. 语音：长旁白按段落大小的块生成，而不是一次调用；四分钟 take 中一个坏词会毁掉整个 take。
18. 示例操作：用 `list_base_models`，设 `filter.use_case: "sound_effects"`；取第一个结果，然后 `get_base_model` 获取其 length 和 format 字段。
19. 示例操作：按事件写 prompt，例如 “Single steel longsword drawn from a leather scabbard, fast, bright metallic ring with a short decay. Dry, close-mic'd, isolated, no room reverb, no ambience, no music. Under one second.”
20. 示例操作：调用 `estimate_forge_price`，然后执行时把 `batch_size` 设为足够高以便从中选择，因为音频运行便宜且 take 间变化大。
21. 示例操作：按 `poll_interval_seconds` 轮询，试听结果后再交付，而不是把第一个文件直接传下去。

适用边界 · 注意事项

• 当环境无法使用 Layer 工具/模型与价格、轮询接口，且不能安装兄弟技能时，不适用；无人值守时应转为依据工具 schema 继续并标记缺口。
• 当你必须在一个文件里得到多个音效事件且无法后期剪切时，不适用；应把每个事件拆成独立生成。
• 当你无法提供带标点脚本或虚构名音标，却要求跨台词稳定发音时，不适用；先补齐这些输入再生成。