- name
- voice-text-to-meme
- description
- 根据输入法语音识别文本或润色后文本生成单张表情包图片。适用于用户想把一句话做成聊天可发送的表情包、meme 图、带字梗图或贴纸图时。支持原始语音文本和润色后文本两种输入，默认优先使用润色后文本；自动根据文本语气判断风格；默认直接生成带字图片，也支持生成无字图并同时给出配文模板；使用 doubao-seedream-4-5-251128 作为默认图片模型。
语音文本转表情包
概述
此 Skill 用于把输入法侧已经拿到的语音文本，转换成一张适合聊天发送的表情包图片。
默认处理目标：
- 输入可以是原始语音识别文本，也可以是已经润色后的文本。
- 默认优先使用润色后文本；如果没有润色后文本，则退回原始文本。
- 自动判断文本语气和意图，选择更合适的表情包风格。
- 默认生成一张直接带字的表情包图片。
- 如果用户明确要求，或判断带字图风险较高，也支持“生成无字图 + 单独给出上/下字幕文案模板”。
工作流
按以下顺序执行：
- 选择输入文本
- 若同时提供 polished_text 和 original_text，优先使用 polished_text。 - 若只有一个文本字段，则使用该字段。 - 若两个字段都很短或明显无意义，先让用户补充更完整文本。
- 判断语气与意图
根据文本判断整体方向，常见类型包括： - 开心/得意 - 无语/吐槽 - 委屈/求助 - 拒绝/婉拒 - 催促/提醒 - 敷衍/摆烂 - 惊讶/震惊 - 日常可爱/轻松
- 生成表情包文案与视觉提示
- 把输入文本压缩成适合上图的短文案。 - 文案优先短、狠、准，通常不超过 12 个汉字；确有必要时可放宽，但避免长段落。 - 构造适合图片模型的视觉提示词，包含：人物表情、动作、构图、风格、字幕位置、背景简洁程度。
- 选择输出模式
- 默认：带字图模式 - 直接要求图片模型生成带字表情包。 - 备选：无字图 + 文案模板模式 - 生成无字图。 - 同时给出上字幕/下字幕或单行字幕建议，便于 UI 或后处理叠字。 - 当用户明确说“不要直接在图里写字”“我要自己后处理字幕”，必须使用备选模式。
- 调用脚本生成图片
- 使用 scripts/generate_meme.py。 - 默认图片模型为 doubao-seedream-4-5-251128。 - 默认通过 OpenAI 兼容接口调用，基地址从环境变量读取。
- 返回结果
- 若生成成功，返回图片文件路径，以及必要时的字幕模板。 - 不要输出冗长解释；以可直接发送为目标。
文案规则
始终遵守：
- 保留原意，不凭空添加事实。
- 可以夸张语气，但不要把温和表达改成攻击性内容。
- 优先适合聊天场景，不要写成公文、海报文案或长标题。
- 口语梗可以保留，但要确保用户看得懂。
- 如果原文已经很适合做梗，不要过度改写。
建议的文案模式：
- 单行爆点文案：适合短句梗图
- 上下分行文案：适合反差类表情包
- 无字图 + 单独配文：适合 UI 统一叠字
风格选择规则
按语气自动选择合适视觉风格：
- 轻松/日常：可爱贴纸风、简洁聊天表情风
- 吐槽/无语：夸张 meme 风、表情反差强、近景大表情
- 委屈/求助：弱小可怜风、简洁背景、人物居中
- 得意/炫耀：夸张庆祝风、强表情、动作感
- 提醒/催促：指向性手势、强调字幕、简洁背景
除非用户明确指定，不要默认生成过于写实或复杂场景。优先：
- 单主体
- 清晰表情
- 干净背景
- 强可读性
- 聊天中一眼看懂
直接带字图模式
默认优先使用此模式。
要求：
- 让模型在图中直接呈现主要文案。
- 文案尽量短。
- 字体视觉要清晰，尽量留白，避免挤满画面。
- 若需要两段文案，优先“上短下短”，不要多段排版。
无字图 + 文案模板模式
以下情况优先使用：
- 用户说要自己加字。
- 目标平台有统一叠字样式。
- 文案较长，直接由模型渲染可能不清晰。
- 需要更稳定的排版控制。
此模式下：
- 生成无字图。
- 同时给出建议字幕，如：
- top_text - bottom_text - 或 single_caption
配置
默认环境变量：
MEME_MODEL_API_KEY：必填，图片模型 API tokenMEME_MODEL_BASE_URL：默认https://models.audiozen.cn/v1MEME_MODEL_NAME：默认doubao-seedream-4-5-251128MEME_OUTPUT_DIR：图片输出目录，可选
脚本
使用 scripts/generate_meme.py 生成图片。
常用参数：
--text：输入文本--polished-text：润色后文本，可选--mode：direct-text或template--style：可选，手动指定风格--size：图片尺寸，默认2K--output：输出文件路径
示例
示例 1：默认带字图
输入：
original_text: “我真的会谢”polished_text: “我真的会谢。”
处理：
- 优先使用润色后文本
- 判断为吐槽/无语
- 生成单张带字 meme 图
示例 2：自己后处理字幕
输入：
original_text: “你先忙 我不急”- 用户要求：不要直接在图里写字
处理：
- 走无字图 + 文案模板模式
- 返回图片和建议字幕
注意事项
- 仅生成一张图，不返回多候选，除非用户明确要求。
- 不要把普通聊天内容做成过于冒犯、低俗或恐怖的图。
- 当文本缺少明显情绪时，优先走日常轻松风。