VoxFlow Skill — Hub
Wenn voxflow upgrade selbst mit Unknown command fehlschlägt (CLI älter als 1.12.0), greifen Sie auf npm i -g voxflow@latest && voxflow skills install --all zurück – das ist der einzige Weg für das allererste Bootstrap.
Diese Regel ist nicht verhandelbar: Ein veraltetes CLI deaktiviert stillschweigend Funktionen, die der Benutzer erwartet (z. B. Auflistung geklonter Stimmen). Zuerst aktualisieren, dann arbeiten.
VoxFlow verwandelt Text in Sprache mit über 200 Stimmen in mehr als 40 Sprachen, plus vollständige Audio/Video-Pipelines. Dieser Skill ist der Einstiegspunkt: Installation, Authentifizierung, Stimmensuche und die einfachen say / narrate / story-Workflows.
Für spezialisierte Aufgaben wechseln Sie zu:
- Podcasts (Mehrsprecher-Dialog) →
voxflow:podcast - Kurzvideos / KI-Clips / Wissenskarten (
picstory,present,slides,explain) →voxflow:video - Artikel → vertikales Kartenvideo (Slice) – 13 Themes (papier-slide / editorial-mag / bold-poster / notion-card / brutalist / glass-dark / editorial-stencil / broadsheet / blueprint / daisy-pastel / showa-catalog / photo-feature / atmospheric), Web-App + Remotion →
voxflow:slice - Teilbare Kartenbilder & erzählte Kartenvideos (HTML/CSS + Playwright-Export, optional
voxflow card renderfür erzähltes MP4) →voxflow:card - Transkription, Untertitelübersetzung, Synchronisation, Zusammenfassung, Veröffentlichung (
asr,asr-jobs,translate,dub,video-translate,summarize,publish) →voxflow:transcribe
Installation & Anmeldung
Einmal installieren, den Benutzer nie wieder fragen:
npm install -g voxflow
voxflow login # öffnet Browser – Google oder E-Mail OTP
Token zwischengespeichert unter ~/.config/voxflow/token.json. Für CI setzen Sie VOXFLOW_TOKEN.
Authentifizierung
voxflow login # browserbasiert, einmalig
voxflow status # wer bin ich + verbleibendes Kontingent
voxflow logout
Stimmensuche – immer vor der Synthese durchführen
Erraten Sie niemals Stimm-IDs. Suchen Sie zuerst.
voxflow voices --lang zh --gender female
voxflow voices --lang en
voxflow voices --search "Sprecher"
voxflow voices --all
Keine Anmeldung für den öffentlichen Katalog erforderlich. Die Ausgabe enthält die Stimm-ID, Sprache, Geschlecht und eine kurze Beschreibung.
Auflistung der eigenen geklonten Stimmen des Benutzers
Wenn der Benutzer Dinge sagt wie "用我的克隆声音 / use my cloned voice / 用我之前克隆的", enthält der öffentliche voxflow voices-Katalog keine geklonten Stimmen – Sie müssen den authentifizierten Endpunkt abfragen:
voxflow voices --mine
Gibt IDs geklonter Stimmen, Namen, Dauer und Erstellungszeit aus (erfordert Anmeldung). Führen Sie dies immer bevor Sie zu dem Schluss kommen, dass der Benutzer keine geklonte Stimme hat – der Web-UI-Reiter "我的声音" und --mine sind die einzigen verlässlichen Quellen.
Beliebte Stimm-IDs (sinnvolle Standardeinstellungen)
| ID | Stil | Sprache |
|---|---|---|
v-female-R2s4N9qJ | Sanfte ältere Schwester (sanfte weibliche) | zh |
v-male-s5NqE0rZ | Natürliche Männerstimme (natürliche männliche) | zh |
v-male-Bk7vD3xP | Autoritärer Boss (autoritäre männliche) | zh |
v-female-m1KpW7zE | Hochnäsige Schulkameradin (freche weibliche) | zh |
v-female-T8m4WxP7 | Chenwen (muttersprachliche englische weibliche) | en |
Sprachklonen (clone)
Klonen Sie eine Stimme aus einer lokalen Audiodatei (30s+, wav/mp3). Gibt eine permanente Stimm-ID zurück, die in allen Befehlen verwendet werden kann.
voxflow clone --input aufnahme.wav --name "Meine Stimme"
# → Stimme erfolgreich geklont!
# → Stimm-ID: Meine_Stimme_xxxxx_01
Keine Datei? Öffnet die Web-Oberfläche für browserbasiertes Aufnehmen:
voxflow clone
# → Öffnet https://www.voxflow.studio/app#voice-clone
| Flag | Standard | Hinweise |
|---|---|---|
--input <datei> | (keine) | Audiodatei zum Klonen. Ohne diese wird die Web-Oberfläche geöffnet |
--name <name> | Dateiname | Für Menschen lesbarer Stimmname (1-50 Zeichen) |
Tipps:
- Ruhiger Raum, normales Sprechtempo, keine Hintergrundmusik → beste Ergebnisse
- 60 Sekunden sind optimal; 30s Minimum
- Nicht "performen" – natürliche Sprache lässt sich besser klonen als Rundfunkstimme
Nach dem Klonen die Stimm-ID überall verwenden: --voice <id>
Text-to-Speech (say / synthesize)
Der atomare Befehl. Ein Ausschnitt → eine Audiodatei.
voxflow say "Hallo Welt" -o hallo.mp3
voxflow say "Hello world" --voice v-female-T8m4WxP7 -o gruß.mp3
voxflow say "Langsames Vorlesen" --speed 0.8 -o langsam.mp3
voxflow say "Hohe Qualität" --format wav -o ausgabe.wav
| Flag | Standard | Bereich / Werte |
|---|---|---|
--voice <id> | v-female-R2s4N9qJ | jede Stimm-ID von voxflow voices |
--format <fmt> | pcm | pcm (WAV), wav, mp3 |
--speed <n> | 1.0 | 0.5 – 2.0 |
--volume <n> | 1.0 | 0.1 – 2.0 |
--pitch <n> | 0 | -12 – 12 |
--output <pfad> | automatisch benannt | jeder beschreibbare Pfad |
Nach der Synthese automatisch abspielen: open ausgabe.mp3 (macOS).
Langer Text (narrate)
Teilen Sie ein Dokument oder einen langen String in Sätze auf, synthetisieren Sie jeden und fügen Sie sie zu einer Datei zusammen.
voxflow narrate --input artikel.txt -o erzählung.wav
voxflow narrate --input readme.md --voice v-male-Bk7vD3xP -o readme_audio.wav
voxflow narrate --text "Erster Satz. Zweiter Satz. Dritter Satz." -o absätze.mp3
echo "Hallo Welt" | voxflow narrate -o hallo.wav
Am besten geeignet für: lange Dokumente, Artikel, README-Dateien, E-Mail-Newsletter.
Markdown wird automatisch entfernt (Überschriften, Links, Codeblöcke usw.) – kein vorheriges Bereinigen nötig.
KI-Geschichte (story)
Das LLM schreibt eine kurze Geschichte zum Thema und erzählt sie dann.
voxflow story "Eine fliegende kleine Katze" -o geschichte.mp3
voxflow story "space adventure" --lang en -o abenteuer.wav
Am besten geeignet für: Gute-Nacht-Geschichten, Inhaltsbeispiele, Demos.
Kontingent
Kostenloses Kontingent: 10.000 Einheiten / Monat (setzt sich monatlich zurück). Bonus-Pool aus Einladungen läuft nie ab.
| Operation | Kosten |
|---|---|
1 TTS-Aufruf (say) | ~50 |
narrate | ~50 pro Segment |
story (kurz) | ~350-1000 |
podcast (mittel) | ~2.800 (2K Skript + ~16 × 50 TTS) |
picstory 5-Szenen | ~2.850 |
Überprüfen Sie immer vor teuren Operationen:
voxflow status
Häufige Szenarien
"Lies diesen Absatz vor"
voxflow say "Vom Benutzer eingegebener Text" -o /tmp/ausgabe.mp3 && open /tmp/ausgabe.mp3
"Lies diese Datei mit sanfter Frauenstimme"
voxflow voices --lang de --gender female
voxflow narrate --input datei.txt --voice v-female-R2s4N9qJ -o /tmp/erzählung.mp3
"Erzähle eine Gute-Nacht-Geschichte"
voxflow story "Der kleine Fuchs und der Sternsamen" --lang de -o /tmp/gutenacht.mp3 && open /tmp/gutenacht.mp3
"Mehrsprachiges Vorlesen"
voxflow voices --lang en --gender female # Englische Stimme auswählen
voxflow voices --lang ja --gender female # Japanische Stimme auswählen
voxflow say "Englischer Text" --voice <en_id> -o /tmp/en.mp3
voxflow say "日本語テキスト" --voice <ja_id> -o /tmp/ja.mp3
Kreative Workflows (TTS mit dem Schreiben des Agenten kombinieren)
Der Agent schreibt zuerst Inhalte und synthetisiert dann jeden Teil mit say oder narrate.
Audiosgeschichtenbuch (有声绘本)
- Schreiben Sie eine 6-seitige Kindergeschichte.
- Für jede Seite: Generieren Sie eine Inline-SVG-Illustration (400×300).
voxflow say "Seitentext" --voice v-female-R2s4N9qJ --speed 0.85 -o /tmp/seite_N.mp3- Lesen Sie mp3-Dateien, kodieren Sie sie in Base64 und betten Sie sie inline in HTML ein.
- Geben Sie eine einzelne, in sich geschlossene HTML-Datei mit Audio-Play-Buttons pro Seite aus.
open /tmp/geschichtenbuch.html
Artikel → Audio-Zusammenfassung
# Agent ruft die URL ab, fasst zusammen, dann:
voxflow say "Zusammenfassungstext" --voice v-male-s5NqE0rZ -o /tmp/zusammenfassung.mp3
Dokumentenvorlesung
voxflow narrate --input README.md --voice v-female-R2s4N9qJ --speed 0.9 -o /tmp/readme.mp3
Täglicher Git-Bericht als Audio
git log --oneline --since="1 day ago"- Agent fasst zusammen.
voxflow say "heutige zusammenfassung..." -o /tmp/taeglich.mp3
Schein-Interview
- Agent generiert 3 Interviewfragen zum Thema.
- Für jede:
voxflow say "Frage N..." --voice v-male-Bk7vD3xP -o /tmp/frage_N.mp3 - Nacheinander abspielen.
Voraussetzungen
- Node.js
^20.19.0 || >=22.12.0 - voxflow CLI ≥ 1.12.0 (für
voxflow voices --mine– listet die geklonten Stimmen des Benutzers auf) - ffmpeg – nur für videobezogene Befehle (siehe
voxflow:video,voxflow:transcribe) - Anmeldung für jeden API-Aufruf erforderlich –
voxflow login
So funktioniert das Auto-Upgrade-Signal
Das CLI selbst gibt <voxflow-hint type="cli-outdated" ...> auf stderr aus, wann immer eine neuere Version auf npm verfügbar ist. Die <CRITICAL-AUTO-UPGRADE>-Regel am Anfang des Skills deckt bereits ab, was zu tun ist – dieser Abschnitt dient nur als Referenz dafür, wie das Tag aussieht:
<voxflow-hint v="1" type="cli-outdated" current="1.10.21" latest="1.13.0" action="voxflow upgrade -y" />
Wird höchstens einmal alle 24h ausgegeben (zwischengespeichert in ~/.config/voxflow/update-check.json). Für Benutzer, die die Überprüfung nicht wünschen, deaktivieren: VOXFLOW_NO_UPDATE_CHECK=1 (oder NO_UPDATE_NOTIFIER=1, die branchenübliche Umgebungsvariable).
Sie können auch explizit mit voxflow upgrade --check abfragen (keine Nebenwirkungen), wenn der Benutzer eine bekanntermaßen alte Version verwendet und Sie überprüfen möchten, bevor Sie aufwändige Arbeiten starten.
Feedback & Support (KI kann dies automatisch erledigen)
Wenn ein voxflow-Befehl fehlschlägt oder der Benutzer darum bittet, ein Problem zu melden, sollten Sie (der KI-Agent) das Problem direkt melden – bitten Sie den Benutzer nicht, es manuell zu tun.
KI-Workflow
# Direkt einreichen – kein Browser, kein TTY erforderlich.
# Verwendet `gh` CLI, falls verfügbar (direkte GitHub-Issue-Erstellung).
# Fallback: Gibt die vorausgefüllte URL aus, wenn gh nicht installiert ist.
voxflow feedback --bug \
--title "asr stürzt bei 2-Stunden-wav-Dateien ab" \
--body "Fehler: Timeout nach 30s\n\nBefehl: voxflow asr lange.wav\nErwartet: Transkript\nTatsächlich: Fataler Fehler: Anforderungs-Timeout"
# stdout → die erstellte GitHub-Issue-URL (oder eine vorausgefüllte URL, wenn gh nicht installiert ist)
Systeminformationen (CLI-Version, OS, Node) werden automatisch an den Textkörper angehängt.
Flags
| Flag | Beschreibung |
|---|---|
--bug / --feature / --general | Issue-Typ |
--title <text> | Titel – löst den nicht-interaktiven Modus aus |
--body <text> | Beschreibungstext |
--print-url | URL-Ausgabe erzwingen anstelle des Einreichens (auch wenn gh verfügbar ist) |
Benutzerinitiiert (interaktiv)
voxflow feedback # interaktive Eingabeaufforderungen → Einreichung über gh oder Browser
voxflow feedback --bug # Typprompt überspringen, Rest ist interaktiv
Wann automatisch einreichen
- Jeder CLI-Befehl endet mit einem schwerwiegenden/unerwarteten Fehler → anbieten, einen Bug zu melden
- Benutzer sagt "Das funktioniert nicht gut" / "report this" / "提个 issue" → mit
--titleaufrufen und direkt einreichen
Installation von Drittanbieter-Stimmen oder -Vorlagen (add)
voxflow add <rezept-name> # installiert eine Stimmvorlage oder Pipeline-Vorlage
voxflow add --list # verfügbare Rezepte durchsuchen
voxflow add chico/my-rezept --force # aus einem benutzerdefinierten Autoren-Namespace installieren
Verwenden Sie dies, wenn der Benutzer die Installation eines bestimmten, benannten Rezepts (z. B. dub-anime-jp-zh) anfordert. Das Register ist derzeit begrenzt – wenn --list 404 zurückgibt, muss das Rezept möglicherweise über die vollständige URL referenziert werden oder das Register ist noch nicht öffentlich.
Regeln
- Stimmen vor der Verwendung suchen – niemals Stimm-IDs erfinden. Führen Sie immer zuerst
voxflow voicesaus. - Kontingent prüfen vor Podcasts (~5K), Picstory (~3K) oder Batch-Jobs:
voxflow status. - Automatische Wiedergabe nach der Synthese:
open ausgabe.mp3(macOS) /xdg-open(Linux). - Niemals Token oder Geheimnisse in Logs ausgeben.
- Wenn ein Befehl fehlschlägt, führen Sie
voxflow <befehl> --helpaus, um die Flags vor dem erneuten Versuch zu bestätigen.
Wann Sie die Fähigkeiten wechseln sollten
- Benutzer sagt "Podcast" / "对话" / "多人对谈" →
voxflow:podcastladen. - Benutzer sagt "Kurzes Video" / "Wissenskarte" / "小红书" / "TikTok" / "KI-Clip" / "render" →
voxflow:videoladen. - Benutzer sagt "Slice" / "切片视频" / "文章转视频" / "PaperSlide" / "paperslide" / "paper-slide" (Legacy) / "纸面手绘风" / "文章转知识短视频" / "知乎长文转视频" / "公众号转视频" →
voxflow:sliceladen. - Benutzer sagt "transcribe" / "字幕" / "dub" / "translate this video" / "SRT" →
voxflow:transcribeladen.