（9711期）audio-prompting – 全场景生成式音频提示工程

全场景生成式音频提示工程 PrunaAI 出品的跨平台音频提示技能，支持 TTS、音乐、背景音等多模型统一创作，降低 API 调用成本并提升输出质量。 使用说明 核心用法 audio-prompting 是 PrunaAI 推出的厂商无关型生成式音频提示工程技能，覆盖语音合成（TTS）、原创音乐、器乐背景音（bed）三大场景。用户通过统一的导演式提示框架，可直接调用 Gemini Flash TTS、ElevenLabs、Music 2.5、Stable Audio、Suno、Udio 等主流音频模型，无需针对每个平台单独学习提示语法。 技能采用分层工作流设计：首次回复必须声明技能名称，随后根据需求类型引导至子技能或参考文档——TTS 场景进入 tts-style-prompting.md，音乐/背景音场景进入 music-and-bed-prompting.md，嵌入与后期混音决策则参考 audio-post-production.md。对于人声歌曲，强制跳转至 music-2.5 技能；纯器乐背景音则使用 stable-audio-2.5。 显著优点 跨模型兼容性：一套提示方法论适配 6+ 主流音频 API，显著降低多平台切换成本。 结构化创作：内置「导演式表演标签」「歌曲结构（主歌/副歌/桥段）」「后期分层」等专业范式，提升生成可控性。 成本优化机制：前置调用 generation-diversity 技能进行「仪式种子、显式结构、场景轴、质量门」四维校验，减少付费 API 的无效调用。 生态协同：与 video-prompting、video-editing、whisperx 等技能无缝衔接，支持「旁白+背景音+视频」完整生产管线。 潜在缺点与局限性 学习曲线陡峭：需同时掌握主技能与 4+ 参考文档、6+ 子技能的协作逻辑，新手易陷入跳转迷宫。 决策负担重：「嵌入视频模型 vs 后期混音」「人声歌曲 vs 器乐 bed」等关键选择需用户自主判断，技能仅提供推荐而非自动路由。 外部依赖密集：实际音频生成依赖 Pruna/Replicate 等第三方 API，技能本身不托管模型，存在服务可用性风险。 版本碎片化：子技能（如 music-2.5、gemini-3.1-flash-tts）版本号独立演进，可能出现能力不一致。 适合的目标群体 多媒体内容创作者：需批量生产带旁白的短视频、播客、广告素材的个人或团队。 AI 原生工作室：已采用 Pruna 生态，希望标准化音频生产流程的中小型制作方。 提示工程研究者：关注跨模型提示迁移、生成式媒体控制方法论的技术人员。 常规使用风险 性能风险：音频生成 API 延迟较高（数秒至分钟级），未设置超时重试机制可能导致工作流阻塞。 依赖项风险：npx skills add 安装链路依赖 npm 生态，网络波动或 registry 变更可能导致安装失败。 成本控制风险：虽前置质量门，但多模型并行调试时仍可能产生意外计费，需严格遵循 generation-diversity 的显式结构校验。 版权与合规风险：生成音乐的版权归属因模型而异（如 Suno 的服务条款限制），技能未内置合规检查，需用户自行确认输出用途的合法性。 原始说明 Use when crafting TTS, music, or bed prompts for any generative audio model — director style, song structure, and post-production layering.