核心用法
dlazy elevenlabs-dialogue 是 dLazy CLI 封装 ElevenLabs eleven_v3 模型的多声线对话生成技能。核心功能包括：
- 多声线分配：每行对话可指定不同 voice_id，单轮最多 10 个独特音色
- 情绪标签支持：内置
[giggling]、[whispers]等音频标签，增强表现力 - 前置搜索：配合
elevenlabs-search技能预选合适音色 - 参数控制：支持 stability（稳定性）、seed（随机种子）、language_code（语言代码）
- 异步模式：
--no-wait获取 generateId 后轮询，--timeout自定义等待上限（默认1800秒）
典型工作流：搜索音色 → 构造对话（每行指定 voice_id）→ 单条命令渲染完整对话音频 → 获取 hosted URL
显著优点
1. 效率优势：传统需逐行调用 TTS API，此技能单请求完成多角色对话，减少网络往返
2. 角色一致性：预绑定 voice_id 避免跨请求音色漂移
3. 表现力丰富：情绪标签让 AI 朗读带情感色彩，降低后期制作成本
4. CLI 原生集成：支持管道引用（@N、@stdin）与 dry-run 预估成本
5. 零持久化安装：npx @dlazy/cli@latest 即用即走
潜在缺点与局限
- 商业依赖：核心推理在 dLazy SaaS 端（
api.dlazy.com），非本地运行，需持续付费 - 格式限制：输出为图片格式（文档示例显示 image/png），非直接音频文件，可能需二次处理
- 音色上限：10 声线/20 行硬限制，长篇剧本需分片
- 网络单点：文件上传至
files.dlazy.com，大陆用户可能存在延迟 - 黑盒模型：ElevenLabs eleven_v3 内部参数不可调，仅暴露 stability 表层控制
适合人群
- 播客创作者：多人对话场景快速原型
- 独立游戏开发者：NPC 对话批量生成
- 短视频制作者：带角色区分的有声内容
- 语言学习者：多口音对话材料定制
常规风险
| 风险类型 | 说明 |
|---------|------|
| 账户安全 | API key 存储于本地明文 JSON（`~/.dlazy/config.json`），虽设 OS 权限仍可能被恶意读取 |
| 余额耗尽 | 501/503 错误需引导用户至充值页面，自动化流程可能中断 |
| 内容审核 | 后端存在安全策略过滤，违规提示词返回 504 失败 |
| 服务连续性 | 依赖 dLazy/ElevenLabs 双边服务，任一方故障或调价均影响可用性 |
| 数据隐私 | 对话文本与生成音频经第三方服务器，敏感内容需谨慎 |
技术备注
- 安装指令：
npm install -g @dlazy/cli@latest或npx @dlazy/cli@latest - 认证方式：设备码流自动存储，或
dlazy auth set <key>手动配置 - 开源地址：github.com/dlazyai/cli（CLI 客户端），服务端闭源