SenseAudio Bedtime Radio

Generate a complete bedtime story audio program — not just a TTS read-aloud, but a structured radio-style show with intro, paced narration, character voices, and a sleepy outro.

Step 1: Collect Inputs

Ask the user for:

故事关键词 — e.g., "月亮上的小兔子", "会飞的小猪", "森林里的魔法书"
孩子年龄 — affects vocabulary and story complexity (default: 4–6岁)
时长偏好 — 短版 (~2分钟) / 标准版 (~4分钟) / 长版 (~6分钟)

Step 2: Write the Story (LLM task)

Generate the story yourself — no API call needed for this step. Follow these rules based on age:

Age	Vocabulary	Sentence length	Story complexity
2–3岁	极简，常用词	≤10字/句	单线情节，重复句式
4–6岁	简单，生动	10–18字/句	简单起承转合
7–10岁	丰富，有细节	15–25字/句	有悬念和转折

Story structure:

开头：交代主角和场景（1段）
发展：遇到问题或冒险（2–3段）
高潮：解决问题的关键时刻（1段）
结尾：温馨收尾，引导入睡（1段，语气渐缓）

Length guide:

短版：约300字
标准版：约600字
长版：约1000字

Mark dialogue lines with the character name: [小兔子]: "..." [老爷爷]: "..."

Step 3: Plan the Audio Program

Structure the full program before making any API calls:

[片头]  "晚安，小朋友。今天的故事叫做《<标题>》。"
        voice: female_0006_a, speed: 0.9

[正文段落1]  旁白第一段
        voice: female_0006_a, speed: 0.85
        + <break time="2000"> after paragraph

[对话]  角色台词（如有）
        小动物/儿童角色 → child_0001_b, speed: 0.9
        老人/长辈角色   → male_0004_a, speed: 0.85
        旁白继续        → female_0006_a

[正文后半段]  speed 逐段降低：0.85 → 0.80 → 0.75
        模拟催眠节奏

[片尾]  "故事讲完啦，闭上眼睛，晚安……"
        voice: female_0006_a, speed: 0.7

Step 4: Synthesize Each Segment

Generate each segment as a separate mp3 file, then list them for the user to assemble.

Segment synthesis pattern:

synthesize() {
  local TEXT="$1"
  local VOICE="$2"
  local SPEED="$3"
  local OUTFILE="$4"

  curl -s -X POST https://api.senseaudio.cn/v1/t2a_v2 \
    -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
    -H "Content-Type: application/json" \
    -d "{
      \"model\": \"SenseAudio-TTS-1.0\",
      \"text\": \"$TEXT\",
      \"stream\": false,
      \"voice_setting\": { \"voice_id\": \"$VOICE\", \"speed\": $SPEED },
      \"audio_setting\": { \"format\": \"mp3\" }
    }" -o "${OUTFILE}.json"

  jq -r '.data.audio' "${OUTFILE}.json" | xxd -r -p > "$OUTFILE"
  echo "$(jq '.extra_info.audio_length' "${OUTFILE}.json")ms — $OUTFILE"
}

Segment breakdown:

Segment	Text	Voice	Speed	File
片头	"晚安，小朋友。今天的故事叫做《<标题>》。"	female_0006_a	0.9	00_intro.mp3
正文段1	第一段旁白	female_0006_a	0.85	01_narration.mp3
正文段2	第二段旁白	female_0006_a	0.85	02_narration.mp3
对话（如有）	角色台词	child_0001_b / male_0004_a	0.9	03_dialogue.mp3
正文段3	后半段旁白	female_0006_a	0.80	04_narration.mp3
正文段4	结尾段旁白	female_0006_a	0.75	05_narration.mp3
片尾	"故事讲完啦，闭上眼睛，晚安……"	female_0006_a	0.7	06_outro.mp3

Insert <break time=2000> at paragraph boundaries within a segment's text to create natural pauses between paragraphs.

Step 5: Output

List all generated files with durations and assembly instructions:

睡前故事电台生成完成：《<标题>》

文件列表（按顺序播放）：
  00_intro.mp3        — 片头 (8秒)
  01_narration.mp3    — 第一段 (42秒)
  02_narration.mp3    — 第二段 (38秒)
  03_dialogue.mp3     — 对话 (25秒)
  04_narration.mp3    — 第三段，渐慢 (45秒)
  05_narration.mp3    — 结尾段，更慢 (40秒)
  06_outro.mp3        — 片尾 (12秒)

总时长：约 3分50秒

合并命令（需要 ffmpeg）：
  ffmpeg -i "concat:00_intro.mp3|01_narration.mp3|..." -acodec copy story.mp3

If the user wants a different story or age group, regenerate only the story text and re-synthesize — the program structure stays the same.