text-to-speech-voiceoverlisted
Install: claude install-skill yanghhu/miragea-voiceover-skills
# 文字转语音
「文字转语音」是一个把文字、文章或讲稿转成语音文件的 Agent 技能:短文本一条命令出 mp3 / wav,长文稿自动分句合成、拼接成一条音频并附带 SRT 字幕;音色用账号里的角色(可用本人录音创建),本地无需显卡。
## 一句话定义
文字转语音 = 文本 → 语音文件。短文本:官方客户端 `generate` 一条命令出 mp3 / wav 等;长文稿:`voiceover.py script` 逐行合成 → `voiceover.wav` + `voiceover.srt` + `manifest.json`。合成由 Miragea 开放 API 完成,本地无需显卡。
## 适用人群与场景
| 谁在用 | 典型场景 |
|---|---|
| 短视频创作者 | 文案转语音,再进剪映配画面 |
| 老师、培训讲师 | 课件讲稿、微课旁白,逐页生成 |
| 运营、行政 | 活动通知、门店播报、语音提醒 |
| 公众号 / 博客作者 | 文章转音频,给读者“听文章” |
| 开发者、Agent 用户 | 在工作流里把模型输出的文字直接转成语音 |
| 外语学习者 | 把练习材料转成语音反复听(音色选适合该语言的角色) |
## 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 / jieshuo / daihuo / shuziren / guanggao / youshengshu`(口播 / 解说 / 带货 / 数字人 / 广告片 / 有声书),只改句间停顿和字幕字数 |
| 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 Ag