Communitygithub.com

Army161/OpenMontage

Erzeugen Sie Mandarin- und mehrsprachige Erzählungen mit Volcengine Doubao Speech 2.0. Verwenden Sie dies beim Erstellen chinesischer Voiceovers, wenn der Nutzer Doubao/Volcengine/火山引擎/豆包 TTS bevorzugt oder wenn die Erzählung Zeitstempel-Metadaten auf Zeichenebene für Untertitel benötigt.

Was ist OpenMontage?

Dieses Skill bietet eine nahtlose Integration mit der Volcengine Doubao Speech 2.0 API zur Generierung hochwertiger Mandarin- und mehrsprachiger Sprachausgaben. Es ist besonders nützlich für Entwickler, die KI-Voiceovers für Videos, Erklärfilme oder andere Multimedia-Projekte benötigen, bei denen natürliche Sprachsynthese und präzises Timing für Untertitel entscheidend sind. Das Skill unterstützt sowohl synchrone als auch asynchrone API-Endpunkte, wobei letztere detaillierte Metadaten zur Wortzeitsteuerung liefern, die direkt für die Untertitelgenerierung genutzt werden können. Es wird mit OpenMontage verwendet und kann entweder über den TTSSelector oder direkt über den DoubaoTTS-Provider aufgerufen werden. Zu den wichtigsten Funktionen gehören die Auswahl verschiedener Stimmen, die Anpassung der Sprechgeschwindigkeit, die Abtastrate und die optionale Aktivierung von Zeitstempeln. Das Skill enthält auch eine empfohlene Arbeitsablauf-Richtlinie, um eine natürliche Sprachrhythmik zu gewährleisten und Fallstricke bei der Untertitelung zu vermeiden. Fehlerbehandlung und Sicherheitshinweise sind ebenfalls enthalten, um einen reibungslosen und sicheren Betrieb zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Army161/OpenMontage/tree/HEAD/.agents/skills/doubao-tts

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Doubao TTS

Erfordert DOUBAO_SPEECH_API_KEY in .env. Legen Sie DOUBAO_SPEECH_VOICE_TYPE für die Standardstimme fest, oder übergeben Sie voice_id an das Tool.

Aktuelle API

Verwenden Sie den API-Key-Flow der neuen Konsole:

X-Api-Key: ${DOUBAO_SPEECH_API_KEY}
X-Api-Resource-Id: seed-tts-2.0

Verwenden Sie bei einem API-Key der neuen Konsole nicht X-Api-App-Id und X-Api-Access-Key. Wenn die API load grant: requested grant not found zurückgibt, ist wahrscheinlich der Schlüsseltyp oder der Authentifizierungs-Header falsch.

Für lange Video-Erzählungen bevorzugen Sie den asynchronen Endpunkt:

POST https://openspeech.bytedance.com/api/v3/tts/submit
POST https://openspeech.bytedance.com/api/v3/tts/query

Dies gibt audio_url sowie sentences[].words[] Timing-Metadaten zurück, die zum Erstellen von Untertiteln verwendet werden können.

OpenMontage-Verwendung

Generieren Sie mit dem TTS-Selektor:

from tools.audio.tts_selector import TTSSelector

result = TTSSelector().execute({
    "preferred_provider": "doubao",
    "text": "Wenn KI die Zukunft wirklich verändert, wie sollte der normale Mensch teilnehmen?",
    "voice_id": "zh_female_vv_uranus_bigtts",
    "output_path": "projects/my-video/assets/audio/narration.mp3",
    "speech_rate": 0,
    "enable_timestamp": True,
})

Oder rufen Sie den Provider direkt auf:

from tools.audio.doubao_tts import DoubaoTTS

result = DoubaoTTS().execute({
    "text": "Kurzer Beispieltext zum Anhören.",
    "voice_id": "zh_female_vv_uranus_bigtts",
    "output_path": "projects/my-video/assets/audio/doubao_sample.mp3",
})

Der Provider schreibt:

  • output_path: heruntergeladene Audiodatei
  • metadata_path: vollständige JSON-Antwort der Abfrage, standardmäßig <output_path>.json

Empfohlener Arbeitsablauf

  1. Generieren Sie eine 10-15 Sekunden lange Probe vor einer vollständigen kostenpflichtigen Erzählung.
  2. Bitten Sie den Nutzer, die Natürlichkeit der Stimme, den Akzent und die Geschwindigkeit zu genehmigen.
  3. Generieren Sie die vollständige Erzählung erst nach der Genehmigung.
  4. Bewahren Sie die Abfrage-JSON auf. Sie ist die Quelle der Wahrheit für das Untertitel-Timing.
  5. Erstellen Sie Untertitel aus sentences[].words[], nicht aus der geschätzten Textlänge.
  6. Gruppieren Sie Untertitel nach chinesischen semantischen Phrasen, bevor Sie Zeitstempel anwenden. Teilen Sie nicht nur nach einer festen Zeichenanzahl; dies kann Phrasen wie „在不押单个公司的情况下“ oder „可能会被慢慢稀释“ zerbrechen und das Verständnis beeinträchtigen.
  7. Lassen Sie die Videolänge dem genehmigten Sprachrhythmus folgen, es sei denn, der Nutzer bittet ausdrücklich darum, eine frühere Laufzeit zu erreichen.

Parameter

  • voice_id: Doubao speaker / Stimmtyp. Standardmäßig DOUBAO_SPEECH_VOICE_TYPE.
  • resource_id: Verwenden Sie seed-tts-2.0 für Doubao Speech 2.0 Stimmen.
  • speech_rate: 0 ist normal, 100 ist 2x, -50 ist 0.5x.
  • sample_rate: Standardmäßig 24000.
  • enable_timestamp: Standardmäßig true.
  • return_usage: Standardmäßig true, fordert Nutzungsmetadaten an, wenn verfügbar.

Übergeben Sie additions.explicit_language standardmäßig nicht. Einige Endpunkt-/Schlüsselkombinationen lehnen zh-cn mit unsupported additions explicit language zh-cn ab.

Für ruhige Mandarin-Erklärvideos beginnen Sie mit speech_rate: 0. Wenn das Ergebnis für das genehmigte Format zu lang ist, erstellen Sie eine kurze Vergleichsprobe mit speech_rate: 25 oder 50, bevor Sie die vollständige Erzählung neu generieren. Beschleunigen Sie nicht nur, um die Dauer eines vorherigen Anbieters zu erreichen, wenn der Nutzer Doubaos natürliches Tempo bevorzugt.

Fehlerbehebung

  • load grant: requested grant not found: Falscher Schlüsseltyp oder falscher Authentifizierungs-Header. Verwenden Sie X-Api-Key für API-Keys der neuen Konsole.
  • speaker permission denied: Die Sprecher-ID ist falsch oder für die ausgewählte Ressource nicht autorisiert.
  • quota exceeded: Kontingent, Lebensdauerzeichen oder Parallelität überschritten.
  • Fehlende Zeitstempel: Überprüfen Sie enable_timestamp: true, bewahren Sie die Abfrage-JSON und bestätigen Sie, dass der ausgewählte Endpunkt sentences zurückgegeben hat.

Sicherheit

Geben Sie den API-Key niemals in Protokollen, Metadaten, Patches oder Projektartefakten aus oder schreiben Sie ihn dort hinein. .env.example sollte nur leere Variablennamen enthalten.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Army161/OpenMontage

Generate AI videos from text prompts using multiple provider gateways. Use when: (1) Generating videos from text descriptions, (2) Creating AI-generated video clips for content production, (3) Image-to-video generation with a reference image, (4) Choosing between video generation providers (VEO, Kling, Sora, Runway, Seedance, MiniMax). Supports two gateways: HeyGen API and fal.ai API.

Army161/OpenMontage

Create AI avatar videos with precise control over avatars, voices, scripts, scenes, and backgrounds using HeyGen's v2 API. Use when: (1) Choosing a specific avatar and voice for a video, (2) Writing exact scripts for an avatar to speak, (3) Building multi-scene videos with different backgrounds per scene, (4) Creating transparent WebM videos for compositing, (5) Using talking photos as video presenters, (6) Integrating HeyGen avatars with Remotion, (7) Batch video generation with exact specs, (8) Brand-consistent production videos with precise control.

Army161/OpenMontage

Use p5.js/canvas for local procedural character effects: particles, weather, squash/stretch, walk cycles, and environmental motion.

Army161/OpenMontage

Review local character animation with schema checks, Playwright browser previews, frame sampling, and FFmpeg/ffprobe final output checks.

Army161/OpenMontage

Create videos from a text prompt using HeyGen's Video Agent. Use when: (1) Creating a video from a description or idea, (2) Generating explainer, demo, or marketing videos from a prompt, (3) Making a video without specifying exact avatars, voices, or scenes, (4) Quick video prototyping or drafts, (5) One-shot prompt-to-video generation, (6) User says "make me a video" or "create a video about X".

Army161/OpenMontage

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Army161/OpenMontage

Use when implementing Disney's 12 animation principles with Framer Motion in React applications

Army161/OpenMontage

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

Army161/OpenMontage

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

Army161/OpenMontage

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

Army161/OpenMontage

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

Army161/OpenMontage

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

Army161/OpenMontage

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

Army161/OpenMontage

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

Army161/OpenMontage

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

Army161/OpenMontage

Best practices for Remotion - Video creation in React

Army161/OpenMontage

Toolkit-specific Remotion patterns — custom transitions, shared components, and project conventions. For core Remotion framework knowledge (hooks, animations, rendering, etc.), see the `remotion-official` skill.

Army161/OpenMontage

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

Army161/OpenMontage

Animate SVG character rigs with GSAP, CSS transforms, Remotion frame control, and HyperFrames-compatible browser previews.

Army161/OpenMontage

Three.js animation - keyframe animation, skeletal animation, morph targets, animation mixing. Use when animating objects, playing GLTF animations, creating procedural motion, or blending animations.

Verwandte Skills