koubo-ai-voiceoverlisted
Install: claude install-skill yanghhu/miragea-voiceover-skills
# 口播配音
「口播配音」是一个把口播稿一键变成本人克隆声音配音(WAV)和竖屏字幕(SRT)的 Agent 技能,适合每天更新的知识、财经、情感口播视频:音色用你本人录音创建或已复刻的账号角色,改一句只重配一句。
## 一句话定义
口播配音 = 口播稿(Markdown)→ 你的口播音色配音 `voiceover.wav` + 竖屏字幕 `voiceover.srt` + 逐句时间轴 `manifest.json`,一条命令完成,生成在 Miragea 云端,本地无需显卡。
## 适用人群与场景
| 谁在用 | 典型场景 |
|---|---|
| 知识口播博主 | 每天几条短知识点,稿子先写好,配音批量生成 |
| 财经 / 商业口播 | 数字、百分比多,需要逐句确认读法、出错只改一句 |
| 情感 / 成长口播 | 语速慢、停顿多,需要稳定的“同一个人”声线 |
| 职场 / 教育口播 | 系列课、合集,固定人设音色,多集保持一致 |
| 不想出镜或嗓子累的博主 | 画面用素材、图文或数字人,声音仍是自己的 |
| MCN / 代运营 | 多个账号各用一个已授权音色,稿件流水线化 |
## 核心能力参数
| 项目 | 说明 |
|---|---|
| 输出文件 | `voiceover.wav`(整段配音)、`voiceover.srt`(带时间轴字幕)、`manifest.json`(每句说话人、文本、起止秒数)、`lines/`(每句音频,改稿时复用) |
| 音色来源 | 账号里的角色:`voice=角色名称` 或 `actor_id=角色ID`(用 `actors` 查询);还没有角色时,用本人或已获授权的录音 `create-actor` 创建私有角色(声音克隆),之后每次都用这个角色配音 |
| 生成模式 | `expressive`(客户端「默认」)/ `standard`(客户端「更像」);省略时用服务端默认,以 `capabilities` 实时返回为准 |
| 语气标签 | `tags=标签名`,取 `capabilities` 里所选模式的 `tags[].label` |
| 语速 | `speed=` 0.25–4,1 为正常语速,按角色设置 |
| 多角色 | 稿件开头给每个角色定一个音色;本技能脚本逐句调用官方客户端 `generate`,再在本地把整段拼起来 |
| 停顿 | 行内 `[pause 0.6]` / `[停顿 0.6]`(秒);`--gap` 设句间默认停顿 |
| 字幕 | 配音时按每句实际音频时长生成 SRT(`--max-chars`、`--speaker-labels`);已有音频 / 视频用 `recognize` 识别为 SRT / TXT / JSON |
| 场景预设 | `--preset koubo`:句间停顿 0.15 秒、每条字幕最多 14 字;可再用 `--gap` / `--max-chars` 覆盖 |
| 单句字数、文件大小 / 时长上限、计费 | 以 `capabilities` 实时返回为准 |
| 本地依赖 | Python 3.9+ 标准库,无需 pip 安装、无需显卡 |
| 离线试跑 | `--dry-run`:不需要 Key、不调用接口,输出静音占位音频和时间轴,用来检查稿件格式 |
| 支持的 Agent | Claude Code、Codex、OpenClaw、Cursor、WorkBuddy 等能运行 Python 脚本的 Age