声音线九件，判例分照录各期存档原文，口径不同处如实并陈、不充任裁判：
| 件 | 工位 | 存档判例 | 口径 | 判例出处 | 本机 |
|---|---|---|---|---|---|
| transcribe | 进料转写 | 4.0 | 标准五维加权 | 10-01 定场诗期（装机盘实读） | 已装 |
| speech | 出料配音 | 4.12 | 四维归一（社区无数据） | 09-30 出口期（正文实读） | 已装 |
| speech（旧账） | 出料配音 | 五维 4/5/3/4/5 | 变现训练营加权 | 05-19 音频期 | — |
| podcast（sgasser） | 纯音频 | 4.3 | 变现训练营加权 | 05-23 七引擎期 | 未装 |
| ai-podcast-creation | 纯音频 | 五维 5/3/5/4/4 | 变现训练营加权 | 05-19 音频期 | 未装 |
| ElevenLabs MCP | 商业 TTS | 五维 5/3/5/3/5 | 变现训练营加权 | 05-19 音频期 | 未装 |
| DigitalSamba Toolkit | 配音工程 | 4.5 | 变现训练营加权 | 06-13 视频七引擎期 | 未装 |
| course-video-maker-zh | 绕行出片 | 4.3 | 九引擎横评口径 | 06-11 知识变现期 | 已装 |
| content-to-video | 绕行出片 | 4.0 | 变现训练营加权 | 05-23 七引擎期 | 未装※ |
| openstoryline | 成片旁白 | 3.10 / 3.40 / 4.40 | 三账并陈 | 09-12 / 09-13 / 09-18 | 已装（分体双件） |
这是本期最重要的对账发现，先单独交代。转写侧：5 月 19 日的存档里，transcribe 底层是 OpenAI Whisper API，$0.006/分钟、WER 5.2%，卖点是可以拖入音频零学习成本；今天装机盘上实读到的正文，默认模型已经换成 gpt-4o-mini-transcribe 快速出纯文本，要说话人标签才切 gpt-4o-transcribe-diarize 出带分轨的 JSON。配音侧：5 月的 speech 是 tts-1 加 alloy、echo、fable、onyx、nova、shimmer 六音色；9 月 30 日实读的正文已钉死在 gpt-4o-mini-tts-2025-12-15，音色只认内置的 cedar 和 marin，且 instructions 参数只有新模型支持。09-30 期那句判词是这条线的共同判词：旧文章的成本账，不能直接抄到今天——tts-1 时代每百万字符 15 美元的老价目，和今天正文的参数集已经不是一套东西。这条线四个月最大的新闻不在榜单上，在引擎舱里。
今天凌晨拿到首个五维判例的进料件。它的开篇立场是声音线里最硬的一条：「Prefer the bundled CLI for deterministic, repeatable runs」——能用脚本就不许即兴。整份 SKILL.md 是三段决策规则：默认快速出纯文本；用户要说话人标签才升级到分轨 JSON；音频超过约 30 秒保留 --chunking-strategy auto。连「已知说话人」都支持注册参考音频，上限四人，--known-speaker 一行一个。密钥纪律写得毫不含糊：缺 OPENAI_API_KEY 就让用户本地自己设，特别注明「Never ask the user to paste the full key in chat」。短板也实在：没有本地兜底，断网或无密钥整条产线停摆；音频终归要上传 OpenAI，对数据出境敏感的环境不适用。和 5 月那笔「本地 WhisperX 每小时 2 美分、18 倍成本优势」的旧账并排看，进化的是工程质量，没变的是这条线对云端的依赖。
设计分全场最高的一件，09-30 期给它立的物种名叫「导演型」。开头第一段就是决策树——用户给多行就是批量，批量走 tmp/speech/ 下的 JSONL，一行一个活，跑完即删。全桌面最讲究的提示词工程是一段「增强合同」：用户说「给演示配音」，你可以补上稳节奏、友好语气这类隐含约束，但明文禁止发明用户没要的新人设、新口音、新情绪。指导音色给了一个八行标签模板：Voice Affect、Tone、Pacing、Emotion、Pronunciation、Pauses、Emphasis、Delivery，一行一条，避免互相打架。安全纪律是三档分级里最严的一档：单次输入不超 4096 字符、每分钟请求封顶 50、必须走官方 SDK、重要配音做可懂度节奏发音三验收、对终端用户要披露这是 AI 生成的声音。上手分因此垫底：要密钥、要装包、按字符付费。
这个工位上，5 月的实测摆开了三种活法。零 API 派：sgasser 的 podcast 件（4.3，800+ 星）用浏览器原生 TTS，流程是文本→脚本结构化（自动加语气词、停顿标记、情绪标签）→角色分配（支持双人对谈）→浏览器合成。它赌的是零成本零配置，代价 05-23 期写得直白：声音的「AI 味」仍可感知，且主要面向英文。开源引擎派：inference-sh 的 ai-podcast-creation 用 Kokoro、DIA 两款开源 TTS 支持多角色，选题到混音端到端，一集 15 分钟总成本 $0.17-0.62，是当年「播客即服务」模式（$200-800/月/客户）的成本底座。商业 API 派：ElevenLabs MCP 五维里功能、变现、社区三个五星，29 种语言加声音克隆加音效生成，能力天花板；但 Creator 档 $22/月的额度只够约 20 分钟音频，当年算出的结论是 Scale 档 $330/月才够每周一期播客——高价把单人创作者挡在外面，把生意留给代工。
声音线里唯一把「配音当工程」做的套件。DigitalSamba Video Toolkit 在 06-13 期拿 4.5，仅次于 Remotion，靠的不是某个引擎，而是一条迭代式配音工作流：生成→试听→定位发音/节奏问题→调整音标→重新生成，多轮迭代——这是把 TTS 最常见的痛点（发音不准、节奏不对）变成了 Claude 可以自动修复的闭环。引擎上集成 ElevenLabs 和 Qwen3-TTS 双栈，SSML 精确控制停顿语速，底层 FFmpeg 编排拼接转码烧字幕。代价是配置：FFmpeg 加 API Key 加可选 TTS 配置，初次设置 30-60 分钟。值得注意的是 Qwen3-TTS 的位置——它意味着中文配音的商用级引擎在 6 月已经进了套件，这对下一节的空白判词是个关键修正。
今天凌晨刚销账的分体件。三次开分横跨 1.3 星：新星语境 3.10、件型梯度语境 3.40、装机侧 4.40（形态成熟度满星）——09-30 期方法论的原话是「分差不是翻案，是换尺」。它的 install/use 双件结构（use 件里甚至有一份产出后直接推进飞书的交接脚本）被 09-15 期评为「全清单里我最愿意让初学者抄的一对门牌」。放进声音线里看，它的实战分被一件事压着：全栏至今没有任何一篇实测过它的出片质量——旁白位的成品验收，和配音位的三验收纪律比，还是空白。
flowchart TD
A["原始音频<br/>录音或节目"] --> B["transcribe 转写<br/>4.0"]
B --> C["文稿加时间戳"]
C --> D["speech 配音<br/>4.12"]
C --> E["podcast 双人对谈<br/>4.3"]
C --> F["ai-podcast-creation<br/>端到端播客"]
C --> G["slides.json 中间格式"]
D --> H["成品音频"]
E --> H
F --> H
G --> I["content-to-video<br/>配音加字幕 4.0"]
H --> J["音频平台分发"]
I --> K["视频平台分发"]
K --> L["openstoryline 旁白成片<br/>三账并陈"]
第二，中文 TTS 的空白位移了，但没消失。5 月的判词是「质量瓶颈」，6 月 Qwen3-TTS 进了 DigitalSamba 套件，说明商用级中文引擎已经可用；但四个窗口复核下来，独立的中文 TTS 单件供给仍然为零——中文配音今天活在套件里（DigitalSamba）、活在水线里（course-video-maker-zh）、活在字幕里（绕行派），就是没有一个单件以此为业。这和翻译位「市场端零星、装机端有王」的错位互为镜像：不是没人要，是没人单做。
第三，同名件是声音线的暗坑。对账时撞出一件往事：05-19 期实测的 content-repurposer 来自 beginnersinai，05-23 期的判例来自 OneWave-AI——同名双源、安装命令各异，本机在架的※是哪一个，注册表门牌不写。声音线里 speech、transcribe、podcast 全是常见词门牌，装前先问来源仓库，别拿判例分给错的件背书。
# —— 以下命令均照录存档原文，口径日期随行标注 ——
# 05-19 存档口径（npx skills install 语法）
npx skills install audio-transcriber # ericgandrade/claude-superskills，本地 WhisperX+CUDA
npx skills install ai-podcast-creation # inference-sh/skills，Kokoro/DIA 开源多角色
npx skills install transcription-automation # claude-office-skills，三引擎批处理
npx @anthropic/mcp add elevenlabs # ElevenLabs 官方 MCP，29 语言+克隆
# 05-23 / 06-13 存档口径（npx skills add 语法）
npx skills add sgasser/claude-skill-podcast # 浏览器 TTS 双人播客，零 API
npx skills add digitalsamba/claude-code-video-toolkit # ElevenLabs+Qwen3-TTS 迭代配音
# speech / transcribe：本机装机件，公开仓库未核验，只推荐整机搬运
cp -r ~/.claude/skills/speech ~/backup/skills/ && cp -r ~/.claude/skills/transcribe ~/backup/skills/
| 榜单 | 第一名 | 理由 |
|---|---|---|
| 设计之王 | speech（4.12） | 导演型合同加八行标签模板，全桌面最讲究的提示词工程 |
| 进料之王 | transcribe（4.0） | 确定性 CLI 纪律，声音线唯一今天仍在迭代判例的件 |
| 配音工程之王 | DigitalSamba Toolkit（4.5） | 迭代说戏闭环，中文商用引擎进套件的第一例 |
| 性价比之王 | ai-podcast-creation | $0.17-0.62 一集，开源双引擎扛住播客代工成本 |
| 纯音频位在榜独苗 | podcast（sgasser，4.3） | 零 API 派唯一过四分线，代价是 AI 味与英文主场 |
| 绕行派出货王 | course-video-maker-zh（4.3） | 50K Token 一课，交付完整度换掉的嗓子 |
| 口径最宽 | openstoryline（3.10~4.40） | 1.3 星分差是换尺不是翻案，出片质量至今无人实测 |
| 空位告示 | 独立中文 TTS 单件 | 四窗口零供给，套件和水线都在，单件缺席 |
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。