核心用法
dlazy-elevenlabs-dialogue 是一款基于 ElevenLabs eleven_v3 引擎的多角色语音合成工具，专为对话场景设计。用户可为每行台词指定不同音色（最多支持 10 个独立声线），一次性生成完整对话音频，无需逐段拼接。
关键功能
- 多声线分配：通过
--inputs参数为每行文本绑定特定 voice_id，实现角色区分 - 情绪标签支持：内置
[giggling]、[whispers]等音频标签，控制语气与情绪 - 前置检索：建议配合
elevenlabs-search技能先筛选合适音色 - 异步任务：支持
--no-wait模式获取 generateId 后轮询结果 - 成本预估：
--dry-run可预先查看请求负载与费用
显著优点
1. 流程简化：传统多角色音频需多次调用 API 后手动混音，此工具单请求完成全部合成
2. 角色一致性：固定 voice_id 确保同一角色全程音色稳定
3. CLI 集成：通过 dLazy CLI 统一管理认证、配置与错误处理，支持设备码流登录
4. 弹性部署：支持全局安装或 npx 临时运行，零持久化依赖
潜在局限
- 服务商依赖：核心推理完全依赖 dLazy 云端 API（
api.dlazy.com），无本地离线能力 - 文件托管：输入输出文件均上传至
files.dlazy.com，涉及数据出境与隐私合规考量 - 声线上限：10 个独立 voice_id 上限对复杂群戏场景可能不足
- 格式限制：输出为音频，无实时预览或波形编辑功能
适合人群
- 播客创作者制作多人访谈或叙事节目
- 游戏/动画团队快速生成角色对白样音
- 内容本地化团队批量生成多语言配音版本
- 教育机构制作带角色区分的有声教材
常规风险
- 账户安全：API key 存储于本地 JSON 文件（
~/.dlazy/config.json），需确保文件权限正确 - 余额中断：异步任务可能因积分不足中途失败，需提前监控余额
- 合规审查：云端内容生成受服务商安全策略约束，存在提示词被拒绝的风险（code 504）