定长旁白配音生成
给编号好的台词和指定的声音,逐条生成卡进固定时长窗口的旁白音频,超出窗口就重写文本而不是变速。
功能与用途
视频剪辑需要一个 10 秒的段落严丝合缝配上 10 秒的口播,普通 TTS 生成出来长短不一,拼上去就对不齐。这个 Skill 用调用方指定的 voice_id + voice_type 批量生成配音,每句台词的目标是 9.4-9.8 秒的实说话时长(不含首尾静音),每条都用脚本量出真实语音长度和内部停顿来卡门。长度不对不靠变速,而是改写文案重生成,最多试三次。也可以用连续模式把整篇稿子读成一整条旁白音频,适合先配音再按音频去做画面时间轴的流程。
适用场景
- 卡点视频分句台词配音生成:针对每段 10 秒的分镜区间,根据音色与文案生成实说话时长精准落在 9.4 至 9.8 秒的音频,超时则重写文案绝不机械变速。
- 长篇故事连贯旁白批量合成:输入整篇故事脚本与锁定音色,自动拆解长文本进行批量音频生成与无缝拼接,产出语气音色高度一致的完整长音频。
- 单句不合规音轨精准重试:在多句批量生成的工程中,仅针对语速超标或内部停顿过长的单句执行微调与重新生成,已有达标音频保持不变。
适用人群
- 无脸频道视频制作者
- 短视频批量化生产者
- 自动化视频流水线开发者
使用步骤
- 准备好编号的台词清单,并确定要用哪个声音:voice_id 加上 voice_type(preset 还是 element)。
- 把声音对写进 voice.lock 文件锁死,每次调用前都重新读这个文件,绝不凭记忆传参数。
- 按 timecode 格式批量提交,每条带上整段任务统一的 delivery 描述(音色、口音、语速),一次最多六条。
- 每条生成后用 speech_metrics.sh 量出实说话时长和内部停顿,落在窗口内且 pauses=0 才算过门。
- 没进窗口的就改文案重生成——太长删词、太短加真内容、停顿多就合成一个长句,最多试三次,仍不行就报差距并继续。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 自媒体
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-18
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
|
使用前准备
- 需要有 Higgsfield 语音工具(list_voices / generate_audio_batch / jobs_wait)的调用环境,以及调用方指定的 voice_id 与 voice_type。
依赖与权限
- 读取用户主动提供的内容