Communitygithub.com

PrunaAI/pruna-skills

Verwendung, wenn jemand eine gesprochene Erzählung oder Sprachausgabe benötigt – erklärende Tonspuren, Dokumentarstimmen oder Sprache, die zu generierten Videos passt.

Was ist pruna-skills?

Dieses Skill-Bundle von PrunaAI ist speziell für die Erstellung hochwertiger Sprachaufnahmen und Voiceovers konzipiert. Es nutzt das Modell `gemini-3.1-flash-tts` auf Replicate, um aus Text natürliche Sprache mit emotionaler Tiefe und Regieanweisungen zu generieren. Das Skill unterstützt zahlreiche Stimmen (z. B. Kore, Sulafat, Aoede) und erlaubt die Steuerung von Tonfall, Tempo und Pausen durch Inline-Tags wie `[warmly]` oder `[short pause]`. Es ist ideal für Dokumentationen, Erklärvideos oder jede Art von Voiceover, das mit generierten Videoclips kombiniert werden soll. Die Plattform ist der Replicate-API, benötigt einen gültigen `REPLICATE_API_TOKEN` sowie `ffmpeg` für die Nachbearbeitung. Das Skill arbeitet eng mit anderen Skills wie `generation-diversity`, `audio-prompting` und `video-prompting` zusammen, um eine durchgängige Content-Pipeline zu gewährleisten. Besonders nützlich ist die Integration mit `p-video` und `narrated-multi-scene`, wenn Sprachausgabe direkt mit Videosynchronisation oder mehrteiligen Geschichten verbunden werden soll.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/gemini-3.1-flash-tts

In Ihrer bevorzugten KI fragen

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

Dokumentation

Voraussetzungen

Installieren und laden Sie diese Skills vor der Generierung (überspringen, wenn bereits über @pruna im Kontext):

SkillBeschreibungInstallieren
generation-diversityVerwenden beim Schreiben eines generativen Prompts – ritueller Seed, explizite Struktur, Szenarienachsen und Qualitätskontrollen vor kostenpflichtigen API-Aufrufen.npx skills add PrunaAI/pruna-skills@generation-diversity -y
audio-promptingVerwenden beim Erstellen von TTS-, Musik- oder Bett-Prompts für jedes generative Audiomodell – Regiestil, Songstruktur und Postproduktions-Layering.npx skills add PrunaAI/pruna-skills@audio-prompting -y
video-promptingVerwenden beim Erstellen von Video- oder Bewegungs-Prompts für jedes generative Modell – Dramaturgie, Kamera, physiksichere Bewegung, Bildanker und Clip-Verkettung.npx skills add PrunaAI/pruna-skills@video-prompting -y
pruna-apiVerwenden vor jedem Pruna- oder Replicate-HTTP-Aufruf – Anmeldedaten, Upload/Poll/Download, parallele Batches und Agentsicherheit.npx skills add PrunaAI/pruna-skills@pruna-api -y

Oder installieren Sie die gesamte Suite auf einmal: npx skills add PrunaAI/pruna-skills@pruna -y

Befolgen Sie die Abschnitte Vor der Generierung / craft jedes Skills – wiederholen Sie hier keinen Leitfadeninhalt.

Agent-Gewohnheit

Nennen Sie in der ersten Antwort `gemini-3.1-flash-tts` in Backticks, bestätigen Sie REPLICATE_API_TOKEN (oder stoppen Sie mit Anmeldelinks von pruna-api), und fragen Sie dann nach den erforderlichen Eingaben. Öffnen Sie die Aufnahme → generation-diversity Klärung der Aufnahme (Sprache, Stimme, Skript) vor dem ersten POST. Leiten Sie weiter, wenn Wenn NICHT verwenden besser passt.

Wenn NICHT verwenden

Verwenden Sie stattdessen ein anderes Skill:

SkillBeschreibungInstallieren
p-video-avatarVerwenden, wenn jemand eine Person vor der Kamera wünscht, die ein Skript spricht – lippensynchroner Moderator, Sprecher oder erzählender Avatar aus einem Porträtfoto.npx skills add PrunaAI/pruna-skills@p-video-avatar -y
music-2.5Verwenden, wenn jemand einen originellen KI-Song mit Gesang wünscht – gesungene Texte, einen Stil-Prompt-Track oder Quellaudio für ein Musikvideo.npx skills add PrunaAI/[email protected] -y
stable-audio-2.5Verwenden, wenn jemand leichte instrumentale Hintergrundmusik wünscht – eine Ambient-Untermalung unter Dialogen oder Untermalung für Reels und Erklärvideos.npx skills add PrunaAI/[email protected] -y

Umgebung

export REPLICATE_API_TOKEN=r8_...

Erfordert ffmpeg / ffprobe beim Trimmen, Verketten von Szenen-VO oder Mischen mit einer Hintergrundmusik.

HTTP (curl)

curl -s -X POST \
  -H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "text": "[warmly] Der Plüsch flog davon. [short pause] Und dann war er weg.",
      "voice": "Sulafat",
      "prompt": "Warmer Geschichtenerzähler, sanftes Tempo, einfühlsam, keine Ansagerstimme.",
      "language_code": "en-US"
    }
  }' \
  "https://api.replicate.com/v1/models/google/gemini-3.1-flash-tts/predictions"

Poll urls.get bis status succeeded ist; laden Sie output herunter (Audio-URL). Geteilter Client: folgen Sie pruna-api (Replicate HTTP im Tool-Skill).

Vor der Generierung

  1. Vollständige Lese-Reihenfolge der Voraussetzungen durchgehen.
  2. text, voice, prompt und language_code mit dem Benutzer bestätigen. text, prompt und Inline-[tags] müssen ausgerichtet sein – gleiche emotionale Richtung (siehe audio-prompting tts-style-prompting). Bei Auflistung von Feldern REPLICATE_API_TOKEN nennen (Replicate – nicht PRUNA_API_KEY).
  3. Modellhinweise: kombinierter text + prompt ≤ ~8.000 Bytes; Ausgabe gedeckelt bei ~655s. Wenn TTS in p-video als input.audio eingespeist wird, jede Zeile ≤ ~19s halten (ffprobe) – P-API schneidet Audio bei 20s ab. Übliche Stimmen: Kore, Aoede, Sulafat, Achird, Charon, Puck, Vindemiatrix – vollständige Liste im Replicate Readme.

Erforderliche Eingabe

  • text (string) – gesprochener Text; unterstützt Inline-[tags]. Max ~4.000 Bytes.

Häufige optionale Felder

  • voice (Standard Kore)
  • prompt – Stil-/Regieanweisungen (max ~4.000 Bytes)
  • language_code – BCP-47 (Standard en-US)

Inline-Tags (Beispiele): [sigh] [laughing] [whispering] [short pause] [medium pause] [long pause] [excitedly].

Typische nächste Schritte

Häufige Folgeaktionen nach diesem Skill:

SkillBeschreibungInstallieren
p-videoVerwenden, wenn jemand einen einfachen kurzen Clip aus Text oder Bildern wünscht – schnelles B-Roll, Entwürfe oder Start-/Endbild-Animation. Nicht, wenn die Anforderung eine kinematografische Generierung, höchste Qualität, präzise Lippensynchronisation oder importiertes Audio in 1080p erfordert.npx skills add PrunaAI/pruna-skills@p-video -y
p-video-avatarVerwenden, wenn jemand eine Person vor der Kamera wünscht, die ein Skript spricht – lippensynchroner Moderator, Sprecher oder erzählender Avatar aus einem Porträtfoto.npx skills add PrunaAI/pruna-skills@p-video-avatar -y
stable-audio-2.5Verwenden, wenn jemand leichte instrumentale Hintergrundmusik wünscht – eine Ambient-Untermalung unter Dialogen oder Untermalung für Reels und Erklärvideos.npx skills add PrunaAI/[email protected] -y
narrated-multi-sceneVerwenden, wenn jemand eine mehrteilige Geschichte mit Voiceover wünscht – episodisches B-Roll, kapitelweise Promos oder mehrere verlinkte Videoszenen ohne On-Camera-Dialog.npx skills add PrunaAI/pruna-skills@narrated-multi-scene -y
video-editingVerwenden beim Zusammenstellen oder Polieren bereits gerenderter Clips mit ffmpeg – concat, Crossfades, eingebrannte Untertitel und Untertitel, Text-/Logo-Overlays, Vorher/Nachher-Schieberegler, Hintergrundmusik-Betten, Plattform-Export – oder beim Erstellen eines mehrschichtigen HTML-Kombinationsvideos mit Hyperframes. Nicht für KI-Videogenerierung, Prompt-Erstellung oder modellbasierte Videobearbeitungen.npx skills add PrunaAI/pruna-skills@video-editing -y

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

PrunaAI/pruna-skills

Use when someone wants an original AI song with vocals — sung lyrics, a style prompt track, or source audio for a music video.

PrunaAI/pruna-skills

Use when someone needs word-level timestamps from audio — lyric alignment, cut-safe line boundaries, or caption source timing before burn-in with video-editing.

PrunaAI/pruna-skills

Use before any Pruna or Replicate HTTP call — credentials, upload/poll/download, parallel batches, and agent safety.

PrunaAI/pruna-skills

Use when assembling or polishing already-rendered clips with ffmpeg — concat, crossfades, burned captions and subtitles, text/logo overlays, before/after sliders, background music beds, platform export — or when composing a multi-layer HTML combination video with Hyperframes. Not for AI video generation, prompt craft, or model-based video edits.

PrunaAI/pruna-skills

Use when crafting video or motion prompts for any generative model — dramaturgy, camera, physics-safe motion, frame anchors, and clip chaining.

PrunaAI/pruna-skills

Use when someone wants to edit an existing photo — change outfits or backgrounds, compose from reference images, or apply prompt-driven edits.

PrunaAI/pruna-skills

Use when someone explicitly wants the fastest, cheapest photo generation — mood boards, bulk panels, or quick iterations — not when controlled photoreal or in-image text is needed.

PrunaAI/pruna-skills

Use when someone wants virtual try-on — dress a person in clothes from reference photos for fashion or ecommerce.

PrunaAI/pruna-skills

Use when installing the full Pruna generative media suite — all guides, tools, and workflows in one package.

PrunaAI/pruna-skills

Use when someone wants a cinematic clip from text or start/end frames — product ads, documentary shots, or dialogue with generated audio. Not for 1080p, imported audio tracks, or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants a polished short clip from text, images, or imported audio — 1080p B-roll, start/end frame animation, or a motion shot with a mixed track. Not for cinematic generated-audio clips or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants to edit an existing video with a text instruction — recolor, restyle, remove or add objects, change environment or lighting, update on-screen text, or apply optional reference-guided product and accessory edits. Not for a new clip from scratch or ffmpeg assembly.

PrunaAI/pruna-skills

Use when someone wants a simple short clip from text or images — quick B-roll, drafts, or start/end frame animation. Not when the brief needs cinematic generation, highest quality, tight lip-sync, or imported audio at 1080p.

Verwandte Skills