三剪客 · 有声书生产线

## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑几次)。
拿到后填进环境变量 A7W_API_KEY,或直接传给 --key 参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。

能做什么

给一本小说或长文本,一条链路产出一本能听的有声书:

split   →   cast    →   voice   →   subtitle  →   join
章节切分    对白/旁白    分角色      字级时间戳    章节清单 +
(纯本地)   分配音色     逐章配音     SRT / VTT    时长台账

它替代的是有声书生产里最卡人的那一段:不是"读不出来",而是
"一本书怎么切章、谁在说、说了多久、字幕对不对得上"。这四件事定不清楚,
录出来就是一堆正确但没人听得下去的音频。

子命令做什么花不花钱产出
split章节切分纯本地,零调用chapters.json + chapters.md
cast识别对白 / 旁白 + 分配音色本地零成本;--llm 才逐章一次文本调用cast.json + cast.md
voice逐章配音(多音色)先报价,按千字计费voice/*.mp3 + voice/index.json
subtitle字级时间戳出 SRT / VTT先报价,按次计费subtitle/*.srt + *.vtt + book.srt
join章节拼接 + 章节清单与时长台账纯本地,零调用book.mp3(或 book.wav)+ chapters.json + playlist.txt
all串起来跑完整条链路先报价,断点续跑上面全部
cost只算钱零网络零成本成本表
models现查在架模型免费模型清单
voices现查可用音色(拿 reference_id)免费音色清单
你最关心答案
多少钱配音 50 点/千字(实测)、字幕 40 点/次(实测,与文本长度无关);1 元 = 100 点。中篇 20 万字 ≈ 10000 点配音 + 字幕 ≈ 116 元
要多久实测 2 章 145 字:12 个片段配音约 40 秒;字幕 2 段约 15 秒。长书的瓶颈是片段数,不是字数
要装什么什么都不用装。只用 Python 标准库;join 有 ffmpeg 更好(没有也能拼 wav,见下)
中断了怎么办断点续跑:已完成的片段与字幕直接跳过(实测 12 段全跳过、0 次调用、0 点)。但断点 key 含正文全文 + 音色 + 模型 + 格式 + 语速 + 采样率 + 比特率 + 端点 + 章节 + 分块共十一维 —— 改任何一维都会重配重扣
会瞎编吗--llm 模式下强制校验逐字一致:模型返回的片段拼起来与原文不逐字相等就直接报错,不采纳
说话人识别不准怎么办本地正则搞不定的会归到「旁白」并在 cast.unassigned_speakers 里登记数量;要更准加 --llm

七道硬闸门(都是拦截,不是提醒)

命中即标红 + stderr 汇总 + 退出码非 0,可直接进 CI;--json 下走统一信封。

#闸门判定口径退出码
1合规广告法违禁词 + 音频口播红线;「最X」按可枚举语境豁免(见下)3
2占位符残留{}、[待填]、XXX、此处省略、TODO3
3prompt_echo去标点相等 / 二元组 Jaccard ≥ 0.75 / 示例覆盖度 ≥ 0.603
4章节结构章数为 0 或存在空章 → 拦;空标题、超长标题(>40 字)也拦3
5角色一致性同一角色在全书中必须用同一个音色;分配了却没用到的角色也拦3
6成本上限voice/subtitle/all 跑前必须报价;--yes 或 --budget 二选一,超预算就地中止2 / 5
7产出位置--outdir 指到包内直接 exit=22

为什么第 4、5 道闸门是本包最值钱的两道

章节结构:有声书与"一段长音频"的分水岭就是章节。听书的人靠章节跳转、
平台靠章节做付费切分。一份切不出章节的长文本,配出来只是一条几小时的音频——
它不会报错、字数也对、读起来也顺,但没法上架。
同理,空章(有目录没正文)听出来就是一段静音,平台直接判残包。

这道闸门不采信内存里的对象,而是拿正则去读渲染后的成品 Markdown:

## 第 1 章 雨夜的书店

读不出章节标题、或某一章正文为空,一律拦。

角色一致性:有声书的听感靠音色认人。同一个角色在两章里换了音色,
听众立刻跳戏——这不会报错、不会被平台拦、字数时长全对,
又是一个"表面上完全正确的错误"。

它同时又是一道成本闸门:音色一换就必须重配,重配就是重扣费。
所以它在配音之前就要过(零成本本地校验),而不是等配完几千个片段才发现。

「最X」的语境豁免(照抄全库统一逻辑)

「回头翻一条自己播放量最低的视频」这种话是在描述自己的数据,
不是对商品做绝对化宣称。小说正文天然会写「最深的那道疤」「最慢的一步」,
不豁免的话一次实测就会被误拦整篇——而闸门一旦开始误伤,使用者就会无视它。

全库为它定了一条很窄的豁免:

  • 最X 前一个字是计量类名词(量 / 率 / 数 / 分 / 位 / 条 / 次 / 段 / 部 / 集 / 页 / 个 / 天 / 月 / 年)
  • 且 最X 后面紧跟「的」或「之」

命中豁免时整处放过,但在产出里登记(gates.compliance.exempted),
报告里会明说"本地放过了 N 处疑似绝对化用语",不静默放过。
句首的「最好 / 最低」不豁免(代码里靠 before and 这一步实现);
豁免词表刻意不含 时 / 款 / 种 / 家 / 价,
因为「课时最低的课程」「单价最低」都是真实的价格宣称形态,必须照拦。

prompt_echo:模型会照抄示例

本库实测过两次:提示词里写过正例,模型就产出了几乎一字不差的标题;
其中一次那条还拿了最高分——不是"真的最好",是"抄了标准答案"。

所以本包的提示词里不出现任何一句可直接复制的完整中文句子,
举例只用描述性说明;真实示例(跨主题,取自「旧书摊的收书账」,与有声书业务不搭)
登记在 PROMPT_SAMPLES,并由 prompt_hygiene 对即将发送的提示词做前置自检。

三条判据缺一不可,第三条是补漏:

判据抓什么为什么必须有
去标点后完全相等直接照抄抄示例往往只改标点
二元组 Jaccard ≥ 0.75长度相当的同构改写本库实测:正常产出与跨主题示例最高 0.174,「少两个字的同构照抄」是 0.765
示例覆盖度 ≥ 0.60示例被夹带进更长的句子实测:示例揉进 36 字长句时 Jaccard 只有 0.576(漏),覆盖度 1.000(抓住)

长度守卫是相对的:目标归一化长度 < max(6, len(示例)//2) 就不比——
短串的二元组集合太小,指标会虚高。

怎么用(命令行)

# 1) 配 Key(三种方式任选)
export A7W_API_KEY="<你的Key>"            # Windows: $env:A7W_API_KEY="<你的Key>"
#   或者 --key <你的Key>,或者 python3 scripts/a7w.py login --key <你的Key>

# 2) 章节切分(纯本地,不花钱,先跑这一步看切得对不对)
python3 scripts/run.py split --text novel.txt --outdir D:/book/b01
python3 scripts/run.py split --text novel.txt --outdir D:/book/b01 \
        --heading-pattern "^第[0-9]+话"

# 3) 角色分配(默认本地零成本;先看音色池)
python3 scripts/run.py voices
python3 scripts/run.py cast --outdir D:/book/b01 --voice-pool 6
python3 scripts/run.py cast --outdir D:/book/b01 --limit 3 --llm     # 只用前 3 章试

# 4) 配音:先报价,确认了再加 --yes(或用 --budget 封顶)
python3 scripts/run.py voice --outdir D:/book/b01
python3 scripts/run.py voice --outdir D:/book/b01 --yes --budget 3000
python3 scripts/run.py voice --outdir D:/book/b01 --sample-chars 300 --yes  # 试链路

# 5) 字级时间戳字幕(SRT + VTT)
python3 scripts/run.py subtitle --outdir D:/book/b01 --yes

# 6) 章节拼接 + 章节清单与时长台账
python3 scripts/run.py join --outdir D:/book/b01 --title "旧城拾光"

# 7) 整条链路(断点续跑,中断了原样重跑即可)
python3 scripts/run.py all --text novel.txt --outdir D:/book/b01 --budget 3000

# 只算钱,一次调用都不发
python3 scripts/run.py cost --chars 200000 --chapters 40

真实端点(都在 api.a7w.cn 上):

用途端点
大模型(cast --llm)POST /api/v1/chat/completions
模型清单GET /api/v1/models
配音(同步,≤500 字)POST /api/v1/apps/voice_tts/tts
配音(异步,长文本 ≈10000 字)POST /api/v1/apps/voice_tts/tts_async
音色列表POST /api/v1/apps/voice_tts/list_voices
字级时间戳POST /api/v1/apps/voice_tts/stt
任务轮询GET /api/v1/tasks/<task_id>

开工前先现查一遍 schema,别照抄记忆:

python3 scripts/a7w.py schema voice_tts

三条实测确认的接口事实(本包就是踩过才写下来的):

  1. 配音的音色参数叫 reference_id,不叫 voice_id。值是 list_voices 返回的

id / model_id,32 位十六进制,抄短一位就得到「任务处理失败」。
语速是 prosody.speed(对象),不是顶层 speed;格式参数叫 format。

  1. voice_tts/tts 的 schema 原文是「同步接口建议不超过 500 字符」。

所以逐块按 500 字硬上限拆;单块超过 5000 字才切 tts_async(异步约 10000 字符)。
最长的那份"看不出来"的失败就是被上游悄悄截断——音频少一句但没有任何报错。

  1. 字级时间戳来自 voice_tts/stt 的 ignore_timestamps: false。

平台默认是 true,那一档 result.segments 是空数组(只有整段文本)。
显式传 false 后,中文实测一字一段:
result.segments = [{"text":"旧","start":0.08,"end":0.16}, ...]。
本包不拿字数估算冒充时间戳——抠不出 segments 就直接失败。

另外两条平台口径:

  • /chat/completions 的成功响应不带 code 字段;生成应用(配音 / 语音识别)

code == 1 才是成功。两者不能互相套用。

  • 异步任务的 status 在任务 data 顶层,不在 data.result 里(平台文档写错了)。

客户端读的就是 data.status,实测正确。

参数说明

通用

参数说明
--outdir产出目录。不许指到包内(指到包内 exit=2),默认 ./audiobook-out
--jsonJSON 输出,写在子命令前后都可以;失败走 {"ok":false,"exit":N,"error":{...}}
--key临时指定 API Key(也可用 A7W_API_KEY 或 ~/.a7w/config.json)
--chars-per-minute语速口径(字/分钟),默认 250。同时影响成本报价、时长估算、join 兜底时长
--out把结果写到指定文件(人读模式写 Markdown,--json 模式写 JSON)

split(章节切分,纯本地)

参数说明
--text必填。小说 / 长文本文件;UTF-8 / GBK / Big5 / UTF-16 自动识别
--heading-pattern自定义章节标题正则,覆盖内置的 5 套
--chunk-blocks没识别到标题时按空行分块(不是按作者章节切,产出里会登记)
--minutes目标总时长,只用于时长估算

内置的 5 套章节标题形态(都行首锚定,且标题部分必须够短):

形态例子
第N章第一章 雨夜的书店、第 12 节、第3回、第2卷、第5话
Chapter NChapter 12、Ch.7
数字标题1. 开场、01、雨夜
卷 / 部卷一 少年时、上部
特殊章楔子、序章、尾声、番外2、大结局

三条切分规则的来由(都是真机读中文小说踩出来的):

  1. 必须行首锚定。正文里写「他翻到第一章」太常见了,不锚行首会把每一句

提到章节名的话都当成标题。

  1. 标题行要短且不带句末标点。第一章 他说,算了。 是正文不是标题;

超过 40 字基本是把正文吞进来了。

  1. 标题前缀的正文归第一章。书名 / 作者 / 简介丢了就是静默丢内容。

cast(识别对白 / 旁白,分配音色)

参数说明
--chapters章节文件,默认 <outdir>/chapters.json(也认 .md)
--limit N只处理前 N 章(省钱预演用)
--llm用大模型逐章切段与标注(更准,但每章一次文本调用)
--no-fetch-voices只做切分,不拉音色池(纯离线,零调用)
--voice-pool N自动取用多少个音色,默认 6
--narrator-voice旁白音色 reference_id
--voice-map"主角=<reference_id>,配角=<reference_id>"

说话人归属规则(两轮):

  1. 逐处引号独立判定:引号前紧贴引导词 → 用它;引号后紧跟引导词 → 用它;

引号前是人物动作(林砚把伞收起来,)→ 用动作主语;都没有 → 记待定。

  1. 对待定的引号做段内一致性推断:段内候选唯一 → 用它;

多个候选 → 用"离得最近的已判定说话人"。

仍推不出来的引号归到旁白并在产出里登记数量(cast.unassigned_speakers),
要更准就 --llm。这里不静默丢掉任何一个字——丢掉就是整句内容消失,
是最坏的那种静默失败。

--llm 的强制校验:模型只被允许"切段 + 标角色",返回的片段拼起来
(去掉标点与空白后)必须与原文逐字一致,不一致就直接报错。
理由:音频是逐字念出来的,模型顺手润色一个字,字幕和音频就对不上,
而且肉眼看不出来。

voice(逐章配音)

参数说明
--cast角色分配文件,默认 <outdir>/cast.json
--chapters只配这些章(逗号分隔章号,例如 1,2)
--narrator-voice / --voice-map覆盖旁白 / 角色音色(会写回 cast.json)
--format音频格式:mp3 / wav / pcm / opus,默认 mp3
--tts-modelTTS 模型:s1 / s2-pro,默认 s2-pro
--speed语速(prosody.speed,1.0 为原速)
--sample-rate采样率
--mp3-bitrateMP3 比特率:64 / 128 / 192
--sample-chars N只配前 N 个字(试链路省钱用;0 = 全部)
--points-per-1k覆盖配音单价(点/千字),默认用实测值 50
--timeout单个任务轮询超时(秒),默认 1800
--force忽略断点全部重配(会重复扣费)
--yes / --budget确认报价 / 预算封顶,二者给其一

分块策略:同章内、同角色且音色相同的连续片段合成一块(≤500 字)。
实测配音无最低消费(50 点/千字严格线性),合并不会多花钱,
但能把调用次数从几万次压到几百次——调用次数直接决定失败率与重试成本。
一本中篇的台词条数是以万计的。

subtitle(字级时间戳出 SRT / VTT)

参数说明
--voice-index配音台账,默认 <outdir>/voice/index.json
--chapters只处理这些章(逗号分隔)
--limit N只处理前 N 个片段(省钱预演用)
--language识别语言(不给则上游自动检测)
--chars-per-line一条字幕最多几个字,默认 16
--max-seconds一条字幕最多停留几秒,默认 8
--points-per-call覆盖字幕单价(点/次),默认用实测值 40
--budget / --yes同 voice

为什么要把字级 segment 聚成字幕条:逐字出一条字幕,一本有声书会有几十万条 SRT,
播放器直接卡死、人也没法读。所以按两条上限聚合(最多 16 字 / 最多 8 秒)。

字幕文字用 ASR 回读,不用原文:回读文字与时间戳是对齐的(同一个来源),
而原文与时间戳只是"应该对齐"。回读有误差(实测专有名词会错,属上游能力边界),
差异逐条登记在 subtitle.json 的 text_mismatch 里,不掩盖。

join(章节拼接 + 清单)

参数说明
--chapters只拼这些章(逗号分隔)
--ffmpegffmpeg 路径(默认找 PATH 与 FFMPEG 环境变量)
--filename合并音频文件名,默认 book.mp3(无 ffmpeg 且是 wav 时 book.wav)
--title书名(写进清单)

时长的三个来源,按可靠性排序:

优先级来源精度
1stt 的字级时间戳(result.duration)精确
2wav 文件头(自己解析 RIFF,不依赖 ffprobe)精确
3字数估算估算,会在产出里逐章标注

只有 1、2 都拿不到时才退回 3,并在 chapters.json 的 basis 字段里
明确写出「字数估算(不是真实时长)」,不静默估算。

all / cost / voices / models

all 的参数是各子命令参数的并集,额外有 --skip-subtitle(只出章节音频)。
cost 接收 --chars / --minutes / --chapters,
以及 --points-per-1k / --points-per-call / --points-per-ktok 三个单价覆盖。
voices 有 --tag / --title-search / --language / --page-size。
models 有 --type(默认 text,传 all 看全部)。

断点 key 含哪些维度(这一节是本包最该看的一节)

断点 key 少一维的后果不是报错,而是「用户以为改了、其实静默复用了旧产物」——
用户听到的还是旧音色 / 旧语速 / 旧格式,而命令行的输出一切正常。

同族包已实测踩过三种形态:提示词截断到 24 字(改第 25 字之后 key 没变)、
resolution 不入 key(从 1K 改到 4K 拿回的还是 1K)、死参数
(参数在命令行存在、在 key 里不存在,改了什么都不会变)。

所以本包把音频断点 key 做成显式白名单,共十一维:

维度为什么必须进 key
text正文全文(不截断,整段入 hash)
role换角色 = 换音色 = 必须重配
reference_id音色本身;空字符串(平台默认音色)与指定了音色是两回事
models1 / s2-pro 音色表现不同
formatmp3 / wav / pcm / opus:拿 wav 的脚本拿到 mp3 会静默出错
speedprosody.speed
sample_rate采样率
mp3_bitrateMP3 比特率
endpointtts / tts_async:上游不同实现,产物不同
chapter归属章节,决定 join 的拼接顺序
part同章同角色被 500 字上限拆开后的第几块

字幕断点 key 六维:audio_sig/ language /
ignore_timestamps / chars_per_line / max_seconds / endpoint。

实测(13 组改动逐一验证,见 README 的「真机实测」章节):
改任何一维,sig 都变,都会重配而不是复用旧音频。

新增任何影响音频的参数,都必须同时加进 VOICE_KEY_FIELDS 并登记到本节。

产出目录长这样

D:/book/b01/
├── chapters.json / chapters.md     章节切分结果(闸门读的就是 chapters.md)
│                                   `join` 会在 chapters.json 里**追加**一个 `join` 段
│                                   (章节清单 + 时长台账),**不覆盖 `chapters` 数组**
├── cast.json     / cast.md         角色与音色分配 + 逐片段角色标注
├── voice/                          逐片段音频 + index.json(含 audio_url,字幕要用)
├── subtitle/                       book.srt / book.vtt + 逐片段 srt/vtt + subtitle.json
├── audiobook-state.json            断点文件 + 成本台账(cost.items 可逐笔核对)
├── book.mp3(有 ffmpeg)或 book.wav(无 ffmpeg 且是 wav 输出)
└── playlist.txt                    播放清单(起点 / 章号 / 时长 / 角色)

音频与字幕一律落在包外的 --outdir 里。

没有 ffmpeg 时会怎样

join 有两条路:

情况行为
有 ffmpeg按章节顺序拼成一条 mp3,写 ffmpeg metadata 章节标记(平台 / 播放器识别)
无 ffmpeg,音频是 wav / pcm纯标准库把 PCM wav 逐块接起来并重建 RIFF 头,产出真 book.wav
无 ffmpeg,音频是 mp3mp3 是压缩格式、不能靠拼字节接起来 → 写出章节清单与播放清单,明确报"没有产出合并音频"(exit=2),不假装成功

第三种情况下装上 ffmpeg 后原样重跑同一条命令即可——断点续跑,
不会重复扣配音与字幕的钱。

wav 逐块拼接前会校验参数一致性(采样率 / 声道 / 位宽);
不一致就直接拒绝,因为硬拼会得到一条变速或变调的音频,
那种错误听起来像"设备有问题",很难查。

排错

现象原因与解法
code=0 任务处理失败(配音)reference_id 不完整或不存在。用 run.py voices 整条复制(32 位十六进制)。去掉 --narrator-voice 可立刻区分是音色问题还是文本问题
stt 没有返回字级时间戳ignore_timestamps 没传 False(平台默认 true,那档 segments 是空数组)。本包已固定传 False,出现这条说明上游改了行为
有 N 段引号里的话推不出说话人本地启发式的能力边界。加 --llm;或给 --voice-map 手工指派
拒绝执行:--outdir 指到了包内产出音频不许进包。换 %TEMP%\audiobook 或 D:/book/b01
报价 X 点已超过 --budget钱还没花就中止了。核对 --chars-per-minute(语速口径影响报价)或提高预算
跑前必须报价并确认加 --yes,或用 --budget N 封顶
有 1 章正文为空切分把正文吞进了标题行,或原文那一章确实是空的。看 chapters.md 手工修,或换 --heading-pattern
角色音色不一致同一角色在两章用了不同 reference_id。用 --voice-map 统一;这条不修就会重配重扣
重跑又扣了一次钱断点 key 含十一维。改了正文 / 音色 / 格式 / 语速 / 采样率 / 比特率里任何一项都会重配。重跑前先用 cost 核价,或看 audiobook-state.json 的 cost.items
本机没有 ffmpeg,音频是 mp3见上「没有 ffmpeg 时会怎样」。装 ffmpeg 后原样重跑
读不出这个文本文件的编码试过 utf-8 / gb18030 / big5 / utf-16。先用编辑器转成 UTF-8
时长台账标了「字数估算」该片段既没有字幕时间戳、也不是可解析的 wav。跑 subtitle 可拿到精确时长
字幕文字和原文对不上几个字ASR 回读误差(专有名词尤其明显),属上游能力边界。逐条差异在 subtitle.json 的 text_mismatch

已知取舍(如实登记,不掩饰)

  1. 本地说话人识别是启发式。两轮规则能处理中文小说的主流形态

(「…」他说 / 他说:「…」 / 他做了个动作,「…」),
但代词主语的连续对话、倒装、无引导词的对话会判不出来——
那种情况归旁白并登记数量,不猜。要准就 --llm。

  1. 字幕文字用 ASR 回读,与原文可能有出入。这是为了让文字与时间戳同源对齐;

差异逐条登记。若要"字幕必须与原文逐字一致",请自行把 book.srt 的文字
用原文替换(时间戳不受影响)。

  1. cast --llm 的文本单价平台不公开,所以 cost 不给 --points-per-ktok

就只报 token 数、不报金额——不编单价。

  1. **平台 pricing_matrix / tenant_* 字段半数不可信**,本包不拿它们算钱。

报价用实测常量(配音 50 点/千字、字幕 40 点/次),
结算只认 usage.points_cost,两者不一致时会明确报出来。

  1. 字幕按片段计次(40 点/次)。片段数是「同章同角色连续片段合并」之后的数量,

通常远小于"章数 × 角色数"。精确片段数看 voice 的报价输出。

  1. 图片 / 音频 / 二进制一律不进包。包内只有 .md .py .txt .json .sh .js .yaml .yml .csv。

实测数据(真机跑出来的,不是估算)

项目实测值
章节切分(2 章 198 字短篇)2 章、15 个片段(6 对白 + 9 旁白)、切分方式「标题识别(第N章)」
角色分配(本地正则)3 个角色 → 3 个音色;2 段推不出说话人,归旁白并登记
配音单价50 点/千字,报价与实际逐片段完全一致
配音样本145 字 / 12 个片段 = 7.25 点(≈ 0.0725 元)
字幕单价40 点/次,与文本长度无关
字幕样本2 个片段 = 80 点(≈ 0.80 元);拿到 14 个汉字 → 14 个 segment 的一字一段时间戳
断点续跑12 段全部跳过,0 次调用、0 点
断点 key13 组改动逐一验证,全部换 key(无一维静默复用)
本地 wav 拼接3 段 22050Hz/mono/16bit 测试 wav → 1 个 132,344 字节、3.0 秒的合法 wav
全链路试跑花费配音 7.25 点 + 字幕 80 点 = 87.25 点 ≈ 0.87 元
中篇 20 万字口径10000 点配音 + 字幕 ≈ 116 元(cost --chars 200000 --chapters 40)

文档

文件内容
references/audiobook-narration-method.md有声书演播方法:章节切分、角色分配、多音色演播、字幕排版
references/voice-and-format.md音色挑选、配音参数(reference_id / prosody / 格式)与字级时间戳
references/cost-and-troubleshooting.md实测单价、报价口径、断点 key 维度与排错手册

更新记录

版本变更
1.0.0首个版本。九个子命令、七道硬闸门、十一维断点 key、字级时间戳字幕。

许可证

MIT,见 LICENSE.md。



联系我们

  • 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
  • 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
  • 更多 AI 插件与接口:AI 插件市场。

相关链接

链接地址说明
算力集市 · 注册领 API Keyapi.a7w.cn一个 Key 调用全部 AI 算力;注册、充值、创建 Key 都在这
AI 插件市场aigc.a7w.cn浏览全部 AI 插件与接口说明
三剪客 · 一句话批量出片ks.a7w.cn短剧二创 / 影视解说 / 矩阵号批量混剪桌面客户端
视频超清 · 在线批量超分vr.a7w.cn网页版视频超分,批量处理,最高 4K
0人公司 · AI Agent 平台a7w.cn主站,了解整套 AI Agent 生态

同类文章