SuperAPI AI 工具集

elevenlabs-narration

编程与开发

查看项目

更新于 10-16 08:01

技能介绍

用途:该技能用于视频制作流程的 Stage 03(语音)阶段,把 Stage 02 产出的完成脚本转换为 mp3 配音文件。

主要能力:读取工作区中的脚本文件,定位“## ► PASTE THIS into ElevenLabs”标题(大小写不敏感,兼容 ►、▶ 或 > 前缀),提取其后两条 --- 规则之间的内容作为旁白;剔除以 > 开头的 markdown 引用行;通过 python-dotenv 加载 .env;调用 client.text_to_speech.convert(text=..., voice_id=..., model_id=..., output_format=..., voice_settings=VoiceSettings(...));将返回音频保存为 audio/{videoN}.mp3(主文件),并复制到 remotion/public/audio/{videoN}.mp3(运行时文件,供 staticFile() 查找)。

使用方式:调用前需准备本地 .env 文件,包含 ELEVEN_API_KEY 与 ELEVEN_VOICE_ID;安装 Python 的 elevenlabs 与 python-dotenv;脚本文件需包含指定标题及两条 --- 规则。参考实现位于 scripts/generate-audio.py,可复制到项目根目录并按文件布局调整 SCRIPTS 映射。

语音设置:工作区配置了语音标签、模型、稳定性、相似度增强、速度与输出格式等占位变量,可在调用前通过 .env 中对应的 ELEVEN_* 变量覆盖。

限制与规则:技能不会把 API 密钥或语音 id 写入已提交文件,凭据仅保留在 .env;脚本格式须符合 rules/paste-block.md,[方括号] 标签是否被 ElevenLabs 识别参见 rules/tone-tags.md。调用后 Stage 03 交接给 Whisper 技能,语音文件自此成为时间线基准。具体模型、参数默认值等细节暂未提供。