LLMSkillHub
mirroredCopied from xianyu110/ecommerce-video-skills under MIT. xianyu110 has not claimed this page, and is not affiliated with LLM SkillHub.

xianyu110 / ai-voiceover-edge-tts

AI 口播配音：用免费的 edge-tts（微软 Edge 在线语音）为带货短视频逐句生成配音，自动去首尾静音、统计每句时长、缓存复用，可选音色/语速/音调，并给出口播稿改写规则。Use when the user needs a voice-over, 配音, 口播, 旁白, TTS, text-to-speech, AI 主播声音, or wants to turn a script into audio for 抖音 / TikTok / 视频号 videos.

0
SKILL.md
4.0 KB

AI 口播配音 · Voice-over with edge-tts

逐句合成 → 去静音 → 48 kHz WAV → durations.json。后续的字幕、镜头时长都按真实配音时长对齐，不再「声画对不上」。

Part of ecommerce-video-skills · 脚本：scripts/tts_edge.py（仅依赖 edge-tts + ffmpeg）

输入 Inputs

  • 口播稿（一句一行，或 storyboard.json 的 line 字段）
  • 语言 / 音色偏好（男/女、活泼/沉稳）、语速
  • 环境：pip install edge-tts，ffmpeg，能访问微软 TTS 服务的网络

步骤 Steps

  1. 改写成「好读」的口播稿（见规则），每句 8–20 字。

  2. 选音色（python scripts/tts_edge.py --list zh-CN 查看全部）：

    场景推荐音色
    活力种草（男）zh-CN-YunxiNeural
    亲切种草（女）zh-CN-XiaoxiaoNeural / zh-CN-XiaoyiNeural
    激情促销zh-CN-YunjianNeural
    专业讲解zh-CN-YunyangNeural
    台湾 / 香港zh-TW-HsiaoChenNeural / zh-HK-HiuMaanNeural
    Englishen-US-AndrewNeural · en-US-AvaNeural · en-US-EmmaNeural

  3. 合成：

     pip install edge-tts
 # 单句试听
 python scripts/tts_edge.py "夏天带冰水出门，不到中午就变温了？" --voice zh-CN-YunxiNeural --rate "+10%" -o out/hook.wav
 # 整个分镜（每镜一句 → build/tts/l00.wav … + durations.json）
 python scripts/tts_edge.py --storyboard storyboard.json --outdir build/tts
  4. 试听 2 句再批量：语速 +5%～+15% 最像带货口播；超过 +20% 会显得赶。
  5. 交给 ffmpeg-auto-assemble（它会自动调用本脚本）或自己的剪辑软件。

口播稿改写规则 Script rules

  • 数字写成「读法」：2核8G → 两核八G；24h → 二十四小时；型号字母之间加空格 A I。字幕可以保留原写法（sub 字段）。
  • 一句只说一件事；逗号就是换气点，句末用句号/问号让语调落下来。
  • 去掉书面词：「此款产品具有…」→「这只杯子…」。
  • 英文品牌名若读错，用拼读或谐音写进 line，sub 保留正确拼写。

提示词模板 Prompt template

把下面的带货文案改写成适合 TTS 朗读的口播稿：每句 8–20 字、一句一件事、口语化；
数字和字母写成读法；另外输出一列「字幕版」保留原始写法并用 **加粗** 标 1 个关键词。
不要添加原文没有的卖点或数据。原文：{…}

检查清单 Checklist

  • [ ] 先试听 2 句确认音色/语速
  • [ ] 数字、英文、品牌名读音正确
  • [ ] durations.json 已生成，总时长符合目标
  • [ ] 商用前确认所在平台与地区对 AI 配音的标注要求（如需标注「AI 生成」）

常见问题与修复 Failure fixes

问题修复
edge-tts failed / 超时网络问题，脚本已重试 3 次；换网络或稍后再试；离线时用 assemble.py --tts none 先预览画面
读音错误在 line 里写谐音/拼读，sub 保留原文
句子之间停顿太长已自动去首尾静音；调 storyboard 的 pad（默认 0.25s）
声音太平换 YunjianNeural/XiaoyiNeural；--pitch "+5Hz"；句尾用问号/感叹号
需要真人感edge-tts 是合成音；高要求场景改用真人录音，流水线照样可用（把录音放进 build/tts/lXX.wav）

edge-tts 由社区维护（rany2/edge-tts，LGPL-3.0），调用的是微软在线服务；本仓库只把它当依赖安装，不包含其代码。