SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场presenter-setup

presenter-setup

智能体与模型

查看项目

更新于 10-21 17:57

技能介绍

presenter-setup 是 presenter 技能的前置环境搭建技能，目标是把 presenter 的引擎（s2.cpp）和模型准备好，并确认到能出声为止。用户需要做的只有安装软件和同意许可，其余命令由技能代为执行。

用途

让 presenter 技能（本地 Fish Audio S2 Pro 语音合成）进入可用状态。

前提与定位

先找到 presenter 技能：本技能文件夹旁边应有 presenter/（例如 .claude/skills/presenter/），记为 <presenter>。若 <presenter>/tools/pyproject.toml 不存在，则停止并提示需要同时安装 presenter 技能（用 npx skills add 同时安装两者）。所有命令统一以 uv run --project "<presenter>/tools" presenter-tts ... 调用，路径需加引号。

主要能力

  1. 状态检查：运行 uv run --project "<presenter>/tools" presenter-tts doctor，从输出的 JSON 读取状态。engine.ready 为 true 时可直接跳到动作确认。检查项包括：prerequisites.windows 必须为 true（非 Windows 不支持，会提示并停止）；gpu 需为 NVIDIA GPU 且合计 VRAM（第二个值，MB）在 6000 以上；prerequisites.cuda_version 需 12.4 以上；prerequisites.visual_studio_cpp 需有路径（已安装 C++ 构建工具）；prerequisites.git、uv、ffmpeg、ffplay 需有路径；huggingface.co、github.com 需 DNS available。若无 GPU 或 VRAM 不足，则不继续安装并告知（仅 CPU 无法达到实用速度）。

  2. 安装缺失软件：只列出缺失项，说明装什么、从哪里装、大约多大容量，获得批准后再安装。大型软件（Visual Studio、CUDA）需要管理员权限且下载数 GB，未经批准不得安装。安装命令：uv 用 winget install --id astral-sh.uv -e；Git 用 winget install --id Git.Git -e；FFmpeg（含 FFplay）用 winget install --id Gyan.FFmpeg -e；Visual Studio 2022 C++ 构建工具用 winget install --id Microsoft.VisualStudio.2022.BuildTools -e --override "--wait --passive --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended"（含 CMake，数 GB）；CUDA Toolkit 先用 winget show --id Nvidia.CUDA --versions 确认版本，再安装 12.4 以上版本 winget install --id Nvidia.CUDA -e --version <版>（约 3 GB，GPU 驱动更新另行判断）。安装后可能需要新开 shell 才能反映 PATH，可再次运行 doctor，找不到时用完整路径确认。若存在多个 CUDA 且 PATH 开头是旧版（如 11.x），在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\ 下选择 12.4 以上最新版，并在步骤 4 传给 -CudaRoot，不要改写 PATH。CUDA 与 WSL 的细节可参考 cuda-wsl.md。

  3. 许可同意：s2.cpp 引擎与 S2 Pro 模型按 Fish Audio Research License 提供。下载前需向用户说明并取得同意：研究、非商用免费；商用需与 Fish Audio 另行签约（business@fish.audio）；分发时需附许可文本与署名（"This model is licensed under the Fish Audio Research License, Copyright © 39 AI, INC. All Rights Reserved."）；全文在获取后的 %LOCALAPPDATA%\presenter-tts\cache\s2.cpp\LICENSE.md。未同意则在此停止。

  4. 构建引擎并获取模型：先做仅检查（数秒）：& "<presenter>/tools/scripts/setup-s2.ps1" -CheckOnly -CudaRoot "<CUDA 文件夹>"。ReadyToConfigure 为 true 时，在后台执行正式流程：& "<presenter>/tools/scripts/setup-s2.ps1" -CudaRoot "<CUDA 文件夹>"。s2.cpp 获取与 CUDA 构建约 20 分钟，模型下载数分钟，开始前告知预计时间。存放位置为 %LOCALAPPDATA%\presenter-tts\cache\（若存在环境变量 PRESENTER_TTS_HOME 则在其下），可跨项目共享，更新技能也不会丢失。构建中大量出现的 warning C4819（字符编码）与 C4244（类型转换）无害，结束时出现 Setup finished 即成功。失败时查找输出中含 error 的行；CUDA 版本过旧、缺少 CMake 或 C++ 工具等需回到步骤 2。若同一构建目录用不同 CUDA 重新配置被拒，删除 cache\s2-build 后重试（需先向用户确认）。仅模型下载失败时构建仍在，重跑同一命令会从下载继续。若无配置文件，复制示例（不覆盖已有文件）：$ttsHome = if ($env:PRESENTER_TTS_HOME) { $env:PRESENTER_TTS_HOME } else { Join-Path $env:LOCALAPPDATA 'presenter-tts' }；$config = Join-Path $ttsHome 'config.toml'；if (-not (Test-Path -LiteralPath $config)) { New-Item -ItemType Directory -Path $ttsHome -Force | Out-Null; Copy-Item "<presenter>/tools/presenter.example.toml" -Destination $config }。

  5. 确认出声：运行 uv run --project "<presenter>/tools" presenter-tts doctor 与 uv run --project "<presenter>/tools" presenter-tts say "こんにちは。音声合成のテストです。"。engine.ready 为 true 且 say 无错误结束时，询问用户是否听到。若生成与播放都成功却听不到，请用户检查 Windows 输出设备与静音（常见原因）。服务器启动失败时读取 %LOCALAPPDATA%\presenter-tts\cache\s2-server.log 末尾；若 GPU 显存不足，减少 config.toml 的 [server] gpu_layers（例如 18）。确认完成后，若不继续使用则停止服务器（占用约 4 GB 显存）：uv run --project "<presenter>/tools" presenter-tts server stop。

  6. 注册声音（可选）：默认声音为模型自身声音，逐句音质可能变化。用于发表时建议注册一个声音。仅在用户希望时，按 presenter 技能的“注册声音”步骤操作（仅限本人声音或已获许可的声音）。注册后在 config.toml 开头启用 voice = "<名称>" 即可作为默认声音。

  7. 报告：汇总说明安装的软件与版本、构建所用 CUDA 版本；存放位置（%LOCALAPPDATA%\presenter-tts）与占用容量；动作确认结果（含是否听到）；后续可做的事（用 presenter 生成幻灯片语音、用 say 让其说话）与清理方法（presenter 的 references/cleanup.md）。

重做情形

更新 CUDA 或构建损坏：删除 cache\s2-build 后从步骤 4 重来。删除模型：再次执行步骤 4（构建会复用，仅重新下载）。换到另一台 PC：在该 PC 从头执行本技能；声音可通过复制 %LOCALAPPDATA%\presenter-tts\voices 迁移。

限制

仅支持 Windows；需要 NVIDIA GPU 且合计 VRAM 6000MB 以上；CUDA 12.4 以上；仅 CPU 无法达到实用速度。商用需另行签约。