Coze+Cursor，10分钟为女儿批量生成儿歌朗诵音频

大家好，我是星河。

上一篇文章《我为女儿做了一个游戏网站》中，星河为女儿开发了一个游戏网站。但是并没有进行后台数据配置，遭到了女儿的强烈抗议，毕竟一个识字游戏里只有“天地人”三个字确实太简陋了。好不容易到周末，就想着为女儿配置一下汉字库，跟她的学习进度匹配起来。

星河原本的想法是，幼儿园估计教不了多少个字，星河为每一个汉字找一首儿歌或者古诗，然后自己录一下音频配置进去就好了。可当女儿把她学过的汉字表拿出来的时候，星河一下有点懵了：女儿怎么就已经学习了五十多个汉字了？这要按照原来的思路，估计一天都搞不定……顺便反省一下，看来星河对女儿的学习确实关心不够啊……

那能不能只给出一个汉字，然后就自动找到相应的古诗或儿歌，生成对应的朗诵音频文件呢？当然可以！这就要请出我们今天的主角Coze了。星河利用Coze和Cursor，花了差不多两个小时，就搞定了所有汉字、儿歌和音频的生成和录入工作。

Coze是什么？

Coze是字节推出的一个智能体创建平台。我们来看看官方的介绍：

简单来说，我们可以利用Coze，快速搭建一个基于大模型的应用。这与星河今天的需求非常吻合，星河的想法是：给出一个汉字，利用语言大模型找到或创作出一首包含指定汉字的，适合五岁儿童的古诗或儿歌；然后通过文本转语音工具将儿歌转换为音频文件。这样我们汉字库素材就有了！

创建生成儿歌的工作流

思路有了，就开始行动。首先进入Coze官网：https://www.coze.cn/，通过手机号码进行登录：

登录之后，点击左侧功能面板里的这个“+”号，选择“创建智能体”：

需要给智能体取一个名字，并简要说明。我们就叫它“古诗儿歌生成”，然后点击确认。

在弹出的页面里选择添加“工作流”：

点击“创建工作流”，输入工作流名称和描述，注意工作流名称只能用英文字符：

创建好之后会来到工作流的编辑页面：

默认会有一个开始节点和一个结束节点。我们要做的就是从开始节点处传入指定的汉字，然后经过一系列工作步骤，在结束节点处拿到需要的儿歌和音频文件。这么说有点抽象，但是操作起来还是很简单的。我们先点击开始节点看一下：

右侧会出现输入节点的配置。变量名只能是英文字符，类型选String，表示我们的输入是字符。

输入配置好以后，点击开始节点后面那个小圆点，添加下一步工作流程，这儿我们选择“大模型”，利用大模型来生成儿歌：

添加完成后，界面应该是下面这个样子。点击大模型节点进行配置：模型选择Deepseek-R1；变量名输入word，变量值选择开始节点里的input，表示word就是开始节点里输入的汉字；系统提示词和用户提示词描述大模型的任务，其中{{word}}表示对变量word进行引用，在执行的时候，会替换成输入的汉字。比如输入的是“花”，那么用户提示词在执行时就会变成“我给你的汉字是花”，进而大模型会根据要求找到或创作一首包含花的儿歌，然后输出。

儿歌有了之后，需要把它转换成音频。点击大模型节点后面的小圆点，添加下一个工作步骤。这次我们添加一个插件。通过搜索“文本转语音”插件，找到并添加扣子官方的语音合成插件：

添加完成之后，将语音合成插件输入中的text引用到大模型节点的output上，这样大模型输出的儿歌就可以作为语音合成插件的输入文本了。

然后将语音合成插件和结束节点连接起来，将结束节点的output引用到语音合成插件输出的data.link上，获取转换后的音频URL。

接下来运行看看效果。我们输入“花”，点击试运行，稍等片刻，儿歌和音频就生成好了：

将输出的URL复制到浏览器里打开，可以听到儿歌朗诵。点击快捷键Ctrl+S，就能将儿歌朗诵音频保存到本地了！

最后我们对工作流进行完善：在开始节点后面再添加一个语音合成插件，将输入的汉字也转换成音频文件；同时将两个音频文件和儿歌内容都输出到结束节点。最终的工作流是这样的：

现在只要输入一个汉字，运行工作流，就能够得到一个汉字音频文件、一首儿歌以及儿歌的朗诵音频文件了。

Cursor+API调用，批量生成儿歌素材

然而，为五十多个汉字分别调用一次工作流，然后将儿歌复制出来，再将两个音频文件保存下来，依然是一件很麻烦的事情。那有没有办法将这一步也自动化完成呢？当然可以！这时候就该请出我们的老朋友Cursor了。

刚才我们在Coze的介绍里看到，生成的工作流是可以通过API调用的。结合Cursor的编程能力，我们可以写一个自动调用儿歌生成工作流的程序，然后将需要的文件保存下来就好了！

那怎么调用Coze工作流的API呢？我们先回到工作流编辑页面，发布工作流，版本号和描述按需填写：

然后回到主页，在左侧功能面板里点击“扣子API”，在工作流里选择“执行工作流”：

进入工作流执行页面，需要配置三个参数，token、 workflow_id和parameters：

（1）token

点击“授权”，选择“个人访问令牌”，点击“添加新令牌”：

设置令牌名称，选择过期时间，选择工作流，配置工作空间，点击确定，复制个人令牌，这就是我们需要的token了。注意，一定要复制完token后再关闭页面，因为安全原因，这个token之后就无法完整显示并复制了：

（2）workflow_id

回到Coze主页，点击“工作空间”->“资源库”，可以看到刚发布的工作流，点击进入工作流编辑页面，URL末尾的数字即是我们需要的workflow_id：

（3）parameters

这是一个Json串格式的输入，对应开始节点的输入。所有内容填好之后，点击“运行”，就能得到跟刚才一样的儿歌音频。返回的URL在右下角显示。

好了，一切准备就绪，现在让Cursor来调用这个API，生成我们的程序吧！需求非常明确：输入一系列的汉字，程序为每一个汉字调用工作流生成儿歌及音频，并保存到本地。星河的提示词是这样的：

同时将Coze API的调用示例和注意事项发给Cursor：

Cursor很快完成了程序编写。运行一下，不到十分钟时间，所有的汉字、儿歌和音频文件都生成了！女儿终于不用在抱怨我这个不负责任的父亲，可以开开心心的玩游戏了！

写在最后

老样子，星河的代码提交了git，地址是：https://github.com/lc-hanxi/AI-Program，有需要的朋友可以自取。