Communitygithub.com

VoxFlow Studio – Fähigkeiten Hub

Verwende diese Fähigkeit, wenn der Benutzer Text vorlesen (TTS) möchte, VoxFlow-Stimmen suchen, KI-Geschichten anhören oder VoxFlow installieren/authentifizieren/Kontingent prüfen will – das Einstiegs-Toolkit für Sprachausgaben.

Was ist VoxFlow Studio – Fähigkeiten Hub?

Dieser Skill dient als zentraler Einstiegspunkt für die VoxFlow-Sprachplattform. Er ermöglicht es KI-Agenten, Text in natürlich klingende Sprache umzuwandeln und dabei auf über 200 Stimmen in mehr als 40 Sprachen zurückzugreifen. Der Skill umfasst essenzielle Funktionen wie die Installation und Authentifizierung des CLI-Tools, die Suche nach öffentlichen und benutzereigenen Klonstimmen sowie die Durchführung von einfachen TTS-Aufgaben (`say`), der Verarbeitung langer Texte (`narrate`) und dem Erzählen von KI-generierten Geschichten (`story`). Darüber hinaus wird die Funktionsweise des automatischen CLI-Upgrades erklärt und es werden Richtlinien für die Fehlerberichterstattung und die Installation von Drittanbieter-Paketen gegeben. Für spezialisierte Aufgaben wie Podcasts, Videoproduktionen oder Transkriptionen wird auf die entsprechenden, separaten Skills verwiesen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/VoxFlowStudio/skills/tree/HEAD/skills/hub

In Ihrer bevorzugten KI fragen

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

Dokumentation

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 render für 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)

IDStilSprache
v-female-R2s4N9qJSanfte ältere Schwester (sanfte weibliche)zh
v-male-s5NqE0rZNatürliche Männerstimme (natürliche männliche)zh
v-male-Bk7vD3xPAutoritärer Boss (autoritäre männliche)zh
v-female-m1KpW7zEHochnäsige Schulkameradin (freche weibliche)zh
v-female-T8m4WxP7Chenwen (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
FlagStandardHinweise
--input <datei>(keine)Audiodatei zum Klonen. Ohne diese wird die Web-Oberfläche geöffnet
--name <name>DateinameFür 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
FlagStandardBereich / Werte
--voice <id>v-female-R2s4N9qJjede Stimm-ID von voxflow voices
--format <fmt>pcmpcm (WAV), wav, mp3
--speed <n>1.00.5 – 2.0
--volume <n>1.00.1 – 2.0
--pitch <n>0-12 – 12
--output <pfad>automatisch benanntjeder 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.

OperationKosten
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)

  1. Schreiben Sie eine 6-seitige Kindergeschichte.
  2. Für jede Seite: Generieren Sie eine Inline-SVG-Illustration (400×300).
  3. voxflow say "Seitentext" --voice v-female-R2s4N9qJ --speed 0.85 -o /tmp/seite_N.mp3
  4. Lesen Sie mp3-Dateien, kodieren Sie sie in Base64 und betten Sie sie inline in HTML ein.
  5. Geben Sie eine einzelne, in sich geschlossene HTML-Datei mit Audio-Play-Buttons pro Seite aus.
  6. 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

  1. git log --oneline --since="1 day ago"
  2. Agent fasst zusammen.
  3. voxflow say "heutige zusammenfassung..." -o /tmp/taeglich.mp3

Schein-Interview

  1. Agent generiert 3 Interviewfragen zum Thema.
  2. Für jede: voxflow say "Frage N..." --voice v-male-Bk7vD3xP -o /tmp/frage_N.mp3
  3. 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

FlagBeschreibung
--bug / --feature / --generalIssue-Typ
--title <text>Titel – löst den nicht-interaktiven Modus aus
--body <text>Beschreibungstext
--print-urlURL-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 --title aufrufen 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

  1. Stimmen vor der Verwendung suchen – niemals Stimm-IDs erfinden. Führen Sie immer zuerst voxflow voices aus.
  2. Kontingent prüfen vor Podcasts (~5K), Picstory (~3K) oder Batch-Jobs: voxflow status.
  3. Automatische Wiedergabe nach der Synthese: open ausgabe.mp3 (macOS) / xdg-open (Linux).
  4. Niemals Token oder Geheimnisse in Logs ausgeben.
  5. Wenn ein Befehl fehlschlägt, führen Sie voxflow <befehl> --help aus, 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:podcast laden.
  • Benutzer sagt "Kurzes Video" / "Wissenskarte" / "小红书" / "TikTok" / "KI-Clip" / "render" → voxflow:video laden.
  • 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:slice laden.
  • Benutzer sagt "transcribe" / "字幕" / "dub" / "translate this video" / "SRT" → voxflow:transcribe laden.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

VoxFlowStudio/skills

Use when the user wants to turn text content into a set of polished, shareable visual CARD IMAGES or narrated card VIDEOS — knowledge cards, quote cards, 小红书图文, carousel cards, poster cards — rendered as HTML/CSS and exported via Playwright at ratios like 1:1 / 3:4 / 9:16; optionally produces a narrated MP4 video from those cards via `voxflow card render` (per-card TTS + FFmpeg static-image clips with optional subtitle bar / intro+outro cards / BGM mix). Triggers: card / 卡片 / 知识卡 / 文字卡片 / 金句卡 / 图文卡片 / 卡片生成 / make cards / card video / 卡片视频. For article → Slice-themed card VIDEO use voxflow:slice; for short videos / AI clips use voxflow:video; for podcasts use voxflow:podcast.

VoxFlowStudio/skills

Use when the user wants to turn a long article / note / report into a vertical 1080×1920 card video — VoxFlow Slice. 13 themes — paper-slide (纸面), editorial-mag (编辑刊), bold-poster (大字海报), notion-card (Notion 卡), brutalist (粗野), glass-dark (玻璃夜), editorial-stencil (编辑·海报), broadsheet (财经刊), blueprint (蓝晒图), daisy-pastel (雏菊), showa-catalog (昭和目录), photo-feature (摄影刊), atmospheric (深夜刊). Triggers — Slice / slice video / 切片视频 / 文章转视频 / 知识卡片视频 / 抖音知识号 / 小红书图文转视频 / 知乎长文转视频 / 公众号转视频 / PaperSlide / paperslide / paper-slide (legacy name).

VoxFlowStudio/skills

Use when the user wants AI-generated short-form video — knowledge cards (picstory / 小红书 / TikTok / Reels), narrated explainers, presentations, AI clips, or slides — covering picstory, present, slides, explain, and image generation. For article-to-card reels (Slice — 13 themes including paper-slide), use voxflow:slice. For shareable HTML/CSS card images or narrated card MP4 videos (`voxflow card render`) use voxflow:card.

Verwandte Skills