是什么
「腾讯混元生成套件」收录腾讯系媒体生成八条官方 API 能力：Hy-Image 混元生图（hy-image-v3，多图参考、画幅尺寸微调、revise 提示词改写）、hy-video 混元生视频（文生/图生、异步任务轮询）、腾讯云 TTS 语音合成（情感与韵律参数）与声音复刻（一句话复刻五步流程）、语音识别（同步短音频 + ≤5 小时录音文件）、混元 3D 生成（文/图生 3D、PBR、积分计费）、Mureka 音乐生成（TokenHub 聚合的昆仑万维模型，如实标注）与 hunyuan-embedding 文本向量化（1024 维 OpenAI 兼容面）。
每个成员一个 Python 3 脚本，标准库零依赖、统一支持 --dry-run（不花配额先看请求）、JSON 摘要与规范退出码；TC3 签名（TTS/复刻/识别/3D）由脚本内置标准库实现，无需装 SDK。
密钥按接入面分三套、经环境变量注入：混元 API Key（embedding）、TokenHub API Key（生图/生视频/音乐，需在控制台「在线推理」按类别开启模型后付费）、访问管理 CAM 密钥对（TTS/复刻/识别/3D）；各成员 SKILL.md 写明自己要哪一套，脚本缺失密钥时打印控制台指引。
包含成员
混元生图 Hy-Image
TokenHub 同步生图：hy-image-v3，中英文提示词直写，最多 3 张参考图，宽高 [512,2048] 面积 ≤1024×1024 自由微调，revise 改写与 footnote 水印，产物 URL 12 小时失效由脚本当场下载。
混元生视频
hy-video-v1.5 文生/图生视频：5 秒 720p、五档画面比（仅文生），异步提交 + 3–5s 轮询到 succeeded 下载，音轨地址随片返回；不支持首尾帧会如实指路。
语音合成 TTS
腾讯云 TextToVoice 同步合成：中文 ≤150 汉字/英文 ≤500 字母一次成音，17 种情感分类与强度、语速音量细调，词级时间戳可选；复刻音色经 FastVoiceType 直用。
声音复刻
一句话声音复刻五步流程：官方训练文本 → 录音音质检测取 AudioId → 创建任务（TaskType=5）→ 轮询取音色 id → 交给 TTS 用 FastVoiceType 朗读任意文本。
语音识别
双通道转写：SentenceRecognition 同步识 ≤60s 短音频，CreateRecTask/DescribeTaskStatus 异步识 ≤5 小时录音文件，说话人分离与引擎分级（16k_zh / 大模型 2.0 档）可选。
Mureka 音乐生成
TokenHub 聚合的 Mureka-Music-v9（昆仑万维，如实标注）：歌词生歌（段落标签结构化）、提示词生歌与纯音乐三端点，mp3 + 无损 flac 与歌词段落时间戳，水印状态如实报告。
混元 3D 生成
SubmitHunyuanTo3DProJob 专业版文/图生 3D：模型 3.0/3.1，PBR 纹理、面数 [3000,1500000] 与 STL/USDZ/FBX 单格式，轮询到 DONE 下载网格并报告积分实耗。
文本向量化
混元 OpenAI 兼容面 /v1/embeddings：model 固定 hunyuan-embedding、维度固定 1024，单条 input 由脚本拆多次请求，向量落盘 JSON 供检索与相似度计算。
什么时候会用到
- 「用混元给这篇章节配一张 16:9 的封面图」
- 「让这张产品图动起来，镜头缓缓推近」
- 「把这段文案用激动的语气读成促销口播」
- 「用我的声音复刻一个音色，以后替我读文档」
- 「把两小时的会议录音转成带说话人标记的文字稿」
- 「写一首中文慢歌，女声，副歌要上口」「给读书视频来段无人声的 lofi 背景音乐」
- 「把这张概念图转成能进游戏引擎的 3D 模型」
不适用于
- 聊天与推理类大模型调用（混元开放面另有 chat/completions，本套件不收录）
- 图片文字提取 OCR——混元无独立 OCR API（用「千问套件」的 qwen-ocr）
- 首尾帧控制类视频（混元视频不支持，用智谱/豆包/MiniMax 套件的生视频成员）
- 其它厂商的同能力生成（对应用 zhipu/kimi/minimax/doubao/qwen/motu 套件）
安装与使用
- 1打开 UUIDE，进入「设置 → 技能」面板，找到本技能包点击「安装」
- 2按需配置密钥环境变量：生图/生视频/音乐用 TOKENHUB_API_KEY（控制台「在线推理」按类别开启模型后付费）；TTS/声音复刻/语音识别/3D 用 TENCENT_SECRET_ID + TENCENT_SECRET_KEY（CAM 密钥对）；向量化用 HUNYUAN_API_KEY（混元控制台 API Key）
- 3在 AI 会话中直接说需求即可触发；脚本先用 --dry-run 自审请求，正式生成消耗腾讯云按量额度
常见问题
- 需要什么条件才能用？
- 本包免费、脚本零依赖（Python 3 标准库）；实际生成消耗腾讯云额度。按能力备三套凭证之一：混元 API Key（embedding）、TokenHub API Key（生图/生视频/音乐，需在「在线推理」按类别开启模型后付费）、访问管理 CAM 密钥对（TTS/声音复刻/语音识别/3D，TC3 签名）；密钥经环境变量注入，生成按量计费。
- 为什么要配三套不同的密钥？
- 腾讯按接入面分凭证：混元 OpenAI 兼容面（embedding）用混元控制台 API Key；TokenHub 聚合面（Hy-Image 生图、hy-video 生视频、Mureka 音乐）用 TokenHub 控制台 Key；经典 TC3 签名面（TTS、声音复刻、语音识别、混元 3D）用 CAM 密钥对、脚本内置标准库 TC3 签名。各成员 SKILL.md 与脚本指引里写明了自己要哪一套。
- 音乐是混元自己的模型吗？
- 不是——腾讯系开放平台上在售的音乐生成 API 是 TokenHub 聚合的第三方 Mureka-Music-v9（昆仑万维出品），原生「hunyuan-music」不存在；本包如实标注并封装了它的歌词生歌/提示词生歌/纯音乐三个端点。
- 生成的文件会失效吗？
- 脚本一律当场下载落盘：生图 URL 12 小时失效、生视频 24 小时、音乐地址临时；只要跑完脚本，文件已在本地。水印与积分等计费口径（视频 footnote、音乐末尾约 5 秒水印、3D 积分计费）在成员文档里如实标注。