用途 本技能用于在本地操作 debpalash/VoiceStudio 仓库,覆盖语音克隆、语音设计、语音生成、转写和视频配音等任务,并提供源码依据的适用性检查、离线预检和经审批的配置交接。
主要能力
- 离线预检:从仓库根目录运行 python3 .agent-skills/voicestudio/scripts/preflight.py --json;从已安装技能根目录运行 python3 "$SKILLS_ROOT/voicestudio/scripts/preflight.py" --json。预检仅离线执行,不启动 VoiceStudio、不调用上游工具、不读取密钥、不下载权重、不发起网络请求。对检出可直接检查 --repo PATH --expect-commit 28bf2c7a83b8a64836297340c52a45d716684aed,报告缺失标记、工具可用性,并说明 runtime_verified 仍为 false。
- 维护中的 Electron 桌面路径:源码设置为 bun install、bun run setup:api,然后 bun run dev;本地 FastAPI 后端默认回环端口 3900,web 3901,Electron 开发 3902。Docker 为独立无头后端,并绑定发布的容器流量。
- 语音克隆、语音设计、语音生成、转写与配音工作流,其中配音流程为 ASR→翻译→合成→混流。
使用方式
- 在任何安装、启动、服务器/端口绑定、凭据输入、模型或权重下载、远程 API 调用、启用分析、发布或破坏性卸载/数据删除之前,先说明具体操作、路径、网络端点、模型大小/许可影响,并取得批准。不要替用户回答首次运行的分析同意。
- 语音克隆需取得说话人对真人声音的书面同意;拒绝冒充、欺诈、未经授权的身份采集或欺骗性披露;优先使用经同意验证的配置文件或设计语音。
- 语音设计使用支持设计的引擎,以文本属性描述;OmniVoice 每个类别使用一个属性,部分引擎接受自由格式描述。不得声称仅支持参考音频的引擎可以设计语音。
- 配音时保留本地源路径和输出路径,明确 ASR/翻译/TTS 选择,描述 ASR→翻译→合成→混流各阶段;仅在批准的运行时运行后验证输出存在与可播放。
- 故障排查使用 /health、/openapi.json、/models、/models/install/status、后端日志、设备/ffmpeg 检查及固定版本文档;区分源码证据与未验证的实际结果,绝不隐式调用付费或远程提供方。
适用场景 适用于本地配音、语音克隆(需书面同意)、语音设计、语音生成与转写,以及 Electron 桌面或 Docker 无头后端的环境检查与配置交接。
限制
- 预检或源码检查不能证明模型已加载、服务器健康或音频质量可接受。
- /models 目录元数据仅作规划提示,不代表权重已安装或可在主机使用。
- 若模型需要门控访问,只解释令牌范围和缓存位置,不打印或复制令牌。
- 托管 TTS、时间线编辑和托管视频生成应使用各自的专用目录技能,不在此添加提供方代码。