用途
该技能用于为程序化视频(programmatic video)添加和设计音频层,把旁白、音效与背景音乐组合成完整的声音设计。它面向使用 Remotion 等代码化视频框架制作视频的场景,帮助把幻灯片式视频提升为有旁白引导、音乐烘托和音效强调的成品。
主要能力
- 语音生成:支持 ElevenLabs 神经 TTS(REST API,可选预置或克隆音色,设置 stability、similarity_boost、style、use_speaker_boost 等),以及 OpenAI TTS(tts-1-hd,六种内置音色)和免费的 Edge TTS 作为替代方案。
- 音效合成:用 FFmpeg lavfi 合成点击、键盘敲击、呼啸、铃音、弹出、转场等短音效,并给出滤波与淡入淡出参数。
- 背景音乐来源:列出 Pixabay Audio、Freesound、YouTube Audio Library 及本地 public/audio/ 目录等免版税渠道。
- 音频时长测量:用 ffprobe 获取音频时长并换算为帧数,用于场景定时。
- 混音与 ducking:在 Remotion 中用 useCurrentFrame()、interpolate()、Sequence、Audio 实现三层音频架构,并在旁白期间用平滑斜坡(约 10-15 帧)压低音乐音量。
- 多场景旁白批量生成:按脚本逐场景生成旁白并记录时长与帧数。
使用方式
技能激活后,首次回复以 :speaker: 表情开头。典型流程为:先生成旁白并用 ffprobe 测量其时长,再据此设定场景时长;为各场景准备背景音乐与音效;最后在 Remotion 组合中按帧对齐三层音频,对音乐应用 ducking 与淡入淡出。ElevenLabs 密钥通过环境变量 ELEVEN_LABS_API_KEY 提供。技能附有完整示例代码(generateNarration、语音预设、场景旁白生成、FFmpeg 音效命令、AudioMixer、FullAudioMix、OpenAI 与 Edge TTS 调用)。
适用场景
适用于需要为代码化视频添加旁白、背景音乐、音效、音频 ducking 与按帧同步的编辑与制作任务。
限制与注意事项
不适用于视频脚本或分镜、Remotion 组件架构与渲染、专业 DAW 音频制作(Ableton、Logic、Pro Tools)、音乐创作或 MIDI 编程。ElevenLabs 免费层有月度字符配额,应缓存生成结果;MP3 编码可能带来 20-50ms 静音填充,需裁剪或在帧计时中补偿;Remotion 中 Audio 音量按组件生效,同时播放的各层总音量应低于 1.0;FFmpeg 合成音效应固定采样参数以保证跨机器一致;多场景旁白建议 stability ≥ 0.5 以保持音色一致。参考文件(elevenlabs-api.md、audio-mixing-patterns.md、sfx-generation.md)仅在需要时加载,以免占用上下文。首次激活时还会检查配套技能,缺失时可提示安装:npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name>。价格与具体配额数值暂未提供。