扣子不支持多音频流混音，需通过外部服务用pydub将TTS音频与预处理的背景音精准叠加：裁剪对齐时长、调低背景音24dB后overlay导出，再返回公网URL供扣子播放。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在扣子智能体里同时用上背景音和TTS语音合成，让输出音频既有旁白又有氛围音效，不是简单叠加而是可控混合——这需要绕过扣子默认的单音频流限制，手动拼接、调节时序与音量。
确认扣子是否支持多音频流
扣子官方不开放并发音频流输出接口，所有技能返回的音频都会被平台自动合并为单一MP3流，且无混音控制权。这意味着直接调用两个TTS技能或一个TTS+一个音效技能，结果只会是后者覆盖前者，或随机截断。
必须放弃“扣子内原生混音”思路，转为本地或服务端后处理。
获取TTS音频与背景音的原始文件
第一步：调用IndexTTS2技能生成纯人声MP3，确保参数中关闭任何内置背景音（如设置background_music=none或留空该字段）。
第二步：单独准备背景音文件，格式必须为MP3或WAV，采样率统一为16kHz、单声道，否则后续混音会失步。推荐使用Audacity导出时勾选“Resample to 16000 Hz”和“Mono”。
【背景音时长必须≥TTS语音时长】，否则混音后会出现静音断层；若背景音过短，需提前循环补足——不能靠混音工具自动延展，会引入爆音。
用Python完成精准混音
方法一：使用pydub（推荐，轻量、精度高）
安装依赖：pip install pydub，并确保系统已安装ffmpeg（Windows需下载ffmpeg.exe放入PATH，macOS用brew install ffmpeg）。
加载两段音频：
from pydub import AudioSegment
tts = AudioSegment.from_file("tts_output.mp3")
bgm = AudioSegment.from_file("bgm.mp3")
裁剪背景音至TTS长度：
bgm = bgm[:len(tts)]
降低背景音音量至-24dB（人声听感清晰的黄金阈值）：
bgm = bgm - 24
叠加合成：
mixed = tts.overlay(bgm)
导出为最终MP3：
mixed.export("final_output.mp3", format="mp3", bitrate="128k")
部署到扣子工作流中的实操路径
第一步：在扣子Bot中新增一个「自定义代码」节点，粘贴上述pydub混音逻辑，输入参数设为tts_url和bgm_url（两者均为公网可直链的MP3地址）。
第二步：用HTTP请求分别下载这两个文件（注意加User-Agent头防403），保存为临时文件。
第三步：执行混音→上传至七牛云/阿里OSS等对象存储 → 返回公开URL。
第四步：将该URL作为Bot最终回复的audio字段值，扣子会自动渲染播放器。
注意：扣子服务器不支持ffmpeg或pydub，此代码必须部署在你自己的云函数（如阿里云FC、腾讯云SCF）或VPS上，扣子仅作触发和URL中转。
