SuperAPI AI 工具集

video-audio-design

设计与创作

查看项目

更新于 10-16 06:24

技能介绍

用途:为程序化视频(尤其 Remotion 合成)设计音频层,把旁白、音效与背景音乐组合成完整混音。

主要能力:用 ElevenLabs REST API 生成神经 TTS 旁白(含 voice_id 与 stability、similarity_boost、style 等语音设置);也支持 OpenAI TTS(tts-1-hd,alloy 等六种音色)与 Edge TTS(pip install edge-tts,edge-tts --list-voices)。用 FFmpeg 合成点击、打字、whoosh、铃声、pop 等音效。提供免版税音乐来源(Pixabay Audio、Freesound、YouTube Audio Library)。在 Remotion 中用 useCurrentFrame、interpolate、Sequence、Audio 实现音频闪避与三层混音。

使用方式:先选音色并生成旁白,用 ffprobe 测量时长后据此设定场景时间;背景音乐在旁白期间降低 50-60%,用 10-15 帧平滑过渡;音效保持 0.5 秒以内、音量 0.3-0.5。API 密钥用环境变量 ELEVEN_LABS_API_KEY。

适用场景:需要旁白、背景音乐或音效的程序化视频制作。

限制:不适用于视频脚本与分镜、Remotion 组件架构与渲染、DAW 专业音频制作、音乐创作或 MIDI 编程。注意 ElevenLabs 免费额度与速率限制、MP3 编码器静音填充、Remotion 音量按组件计算可能削波、FFmpeg 音效跨系统差异、多场景音色一致性等问题。首次激活会检查配套技能,缺失时可用 npx skills add AbsolutelySkilled/AbsolutelySkilled --skill <name> 安装。