Communitygithub.com

TTS Script Generator

Intelligentes Komprimieren und Umschreiben von Dokumenten in TTS-freundliche Skripte. Nutzt Claude AI zur Inhaltsanalyse, Zielzeit-Kompression, Umwandlung in gesprochene Sprache mit emotionaler Anreicherung und automatischer Segmentierung. Ideal für Videovertonungen.

Was ist TTS Script Generator?

Dieses Skill, genannt „TTS Script Generator“, dient der intelligenten Konvertierung langer schriftlicher Dokumente in natürlich klingende TTS-Sprachskripte (Text-to-Speech). Es wird idealerweise in Verbindung mit dem image-to-video Skill verwendet. Der Kernprozess läuft innerhalb eines Claude-Dialogs ab: Claude analysiert den Inhalt hinsichtlich Thema, Umfang und Dichte, entscheidet automatisch über die optimale Videolänge (3-8 Minuten) und wählt einen passenden Illustrationsstil (z. B. Ukiyo-e für historische oder New Yorker für gesellschaftliche Themen). Anschließend wird der Text komprimiert, in eine gesprochene, emotionale Sprache umgewandelt und in Segmente von 10-20 Sekunden Dauer aufgeteilt. Der Skill generiert zwei JSON-Ausgabedateien: `tts_script.json` (mit Text, Zeitangaben und Animationsmarkern) und `visual_config.json` (mit Beschreibungen für die Illustrationen). Dies ermöglicht eine vollständig automatisierte und auf den Inhalt abgestimmte Produktion von Video-Erzählungen oder Podcasts.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ComeOnOliver/skillshub/tree/HEAD/skills/huangserva/servasyy_skills/tts-script-generator

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht TTS Script Generator?

Intelligentes Komprimieren und Umschreiben von Dokumenten in für TTS geeignete Skripte.

Kernfunktionen

  • 🤖 KI-gestützte Analyse: Claude analysiert den Artikelinhalt und bestimmt die beste Videolänge sowie den passenden Illustrationsstil
  • ⏱️ Intelligente Längenentscheidung: Automatische Ermittlung der optimalen Dauer basierend auf dem Inhalt (3-8 Minuten)
  • 🎨 Intelligente Stilentscheidung: Automatische Auswahl des Illustrationsstils je nach Thema (New Yorker/Ukiyo-e/Flach/Realistisch usw.)
  • 📉 Intelligente Komprimierung: Komprimierung auf die optimale Dauer (z. B. 19 Minuten → 5 Minuten)
  • 💬 Konversationale Umwandlung: Schriftsprache → natürliche gesprochene Sprache
  • 😊 Emotionale Optimierung: Hinzufügen emotionaler Ausdrücke, um TTS lebendiger zu machen
  • 🎯 Automatische Segmentierung: Automatische Bestimmung der optimalen Segmentanzahl basierend auf dem Inhalt (jeweils 10-20 Sekunden)
  • 📊 Längenschätzung: Präzise Berechnung der Sprechdauer für jedes Segment

Funktionsweise

Ausführung im Claude-Dialog:

  1. Claude liest das Originaldokument
  2. Claude analysiert den Inhalt:
    • Thema und Struktur des Artikels
    • Anzahl der Kernaussagen
    • Inhaltsdichte
    • Bestimmung der optimalen Videolänge (3-8 Minuten)
    • Bestimmung des am besten geeigneten Illustrationsstils (z. B.: Geschichte → Ukiyo-e, Technologie → Flach, Geisteswissenschaften → New Yorker)
  3. Claude schreibt intelligent um:
    • Extraktion der Kernaussagen
    • Komprimierung auf die optimale Länge
    • Umwandlung in gesprochene Sprache
    • Hinzufügen emotionaler Ausdrücke und Pausen
  4. Claude segmentiert automatisch (jedes Segment kann mit einem Bild versehen werden)
  5. Bestimmung des am besten geeigneten Illustrationsstils basierend auf dem Artikelthema
  6. Generierung einer Bildbeschreibung für jedes Segment (unter Verwendung des ermittelten Stils)
  7. Ausgabe von zwei Dateien:
    • tts_script.json (TTS-Textskript + Animationsmarker)
    • visual_config.json (Bildbeschreibungen, für den illustration-generator)

tts_script.json Format (mit Animationsmarkern):

[
  {
    "segment": 1,
    "text": "Heute reden wir über das wahre Leben in der Tang-Dynastie. Du willst reisen? Warte noch!",
    "duration": 15,
    "animation_style": "fade_in",
    "emphasis": true
  },
  {
    "segment": 2,
    "text": "In der Tang-Dynastie gab es kein Toilettenpapier. Was hat man stattdessen benutzt?",
    "duration": 12,
    "animation_style": "none",
    "emphasis": false
  }
]

Animationsmarker-Regeln (durch Claude intelligent entschieden):

  • animation_style:
    • "fade_in" – Titel, Eröffnung, Betonung
    • "write" – Kernaussagen, wichtige Schlussfolgerungen
    • "typewriter" – Daten, Fakten
    • "none" – normaler Inhalt (verwendet ASS-Untertitel)
  • emphasis: Handelt es sich um ein hervorgehobenes Segment (true/false)

Entscheidungsprinzipien:

  1. erstes Segment (Eröffnung) → fade_in
  2. Kernaussagen (jeweils erstes Segment eines Kapitels) → write
  3. Daten/Fakten → typewriter
  4. andere Inhalte → none (ASS-Untertitel)
  5. Empfehlung: Bei 24 Segmenten 3-5 mit Animation verwenden

Ausführungsskript

generate.py – TTS-Skript generieren

python ~/.claude/skills/tts-script-generator/scripts/generate.py <Markdown-Datei>
  • Markdown-Datei einlesen
  • H2-Abschnitte extrahieren
  • in gesprochene Sprache umwandeln
  • nach Länge aufteilen
  • tts_script.json ausgeben

Anwendungsszenarien

  1. Video-Vertonung: In Kombination mit image-to-video (Hauptnutzung)
  2. Podcast-Erstellung: In Kombination mit podcast-generator

Ausgabeerklärung

Dieses Skill gibt aus:

  • ✅ tts_script.json – TTS-Textskript
  • ✅ visual_config.json – Bildbeschreibungen

Nicht enthalten:

  • ❌ TTS-Audio-Generierung (wird vom image-to-video Skill übernommen)
  • ❌ Bildgenerierung (erfordert den illustration-generator Skill)
  • ❌ Videosynthese (erfordert den image-to-video Skill)

Aufrufweise

Automatischer Aufruf durch den image-to-video Skill:

image-to-video erkennt langes Dokument
  → ruft tts-script-generator auf
  → Claude schreibt im Dialog um
  → gibt komprimiertes TTS-Skript aus
  → image-to-video fährt fort

Manueller Aufruf (im Claude-Dialog):

Benutzer: "Bitte schreibe diesen Artikel mit dem tts-script-generator um"

Claude:
1. Dokument einlesen (5947 Zeichen, 19 Minuten)
2. Inhalt analysieren:
   - Thema: Leben in der Tang-Dynastie (historisch/kulturell)
   - Kernaussagen: 4 (Hygiene, Ernährung, Kleiderordnung, Klassen)
   - optimale Dauer ermitteln: 5 Minuten (mittlere Inhaltsdichte)
   - Illustrationsstil ermitteln: Ukiyo-e-Stil (historisches Thema, östliche klassische Ästhetik)
3. Auf 1350 Zeichen umschreiben
4. In 20 Segmente aufteilen (jeweils 15 Sekunden)
5. Für jedes Segment eine Ukiyo-e-Bildbeschreibung generieren
6. tts_script.json + visual_config.json speichern

Ausgabeformat

tts_script.json

[
  {
    "segment": 1,
    "text": "Heute reden wir über das wahre Leben in der Tang-Dynastie. Du willst reisen? Warte noch! In der Tang-Dynastie gab es kein Toilettenpapier...",
    "duration": 15
  }
]

visual_config.json

{
  "article_title": "Die Wahrheit über eine Zeitreise in die Tang-Dynastie",
  "style": "ukiyo-e",
  "sections": [
    {
      "section": 1,
      "visual_description": "Eine Person steht an einer Kreuzung zwischen der modernen Stadt und dem antiken Tang-Palast, sieht verwirrt aus, Ukiyo-e-Stil mit traditioneller japanischer Holzblockdruck-Ästhetik"
    }
  ]
}

Entscheidungsregeln für den Illustrationsstil

Claude wählt automatisch den am besten geeigneten Stil basierend auf dem Artikelthema:

  • Geschichte/Klassik → ukiyo-e (Ukiyo-e): Tang-Dynastie, Song-Dynastie, japanische Geschichte usw.
  • Geisteswissenschaften/Gesellschaft → new-yorker (New Yorker): Gesellschaftsbeobachtungen, Personenporträts usw.
  • Technologie/Wirtschaft → flat (flacher Stil): Technologieprodukte, Wirtschaftsanalysen usw.
  • Natur/Reisen → realistic (realistischer Stil): Landschaften, Tiere, Reisen usw.
  • Kunst/Kreativität → abstract (abstrakter Stil): Kunstkritiken, kreatives Denken usw.

Umschreibungsprinzipien

  1. Kern bewahren: Die wichtigsten Aussagen und Geschichten erhalten
  2. Gesprochene Sprache:
    • "aber" → "aber 'mal ehrlich"
    • "weil...deshalb..." → "und warum? weil ..."
    • Füllwörter hinzufügen: "ja", "eigentlich", "doch"
  3. Emotionale Ausdrücke:
    • Betonung: "wirklich", "sehr", "besonders"
    • Überraschung: "Wow", "Oh je", "stell dir vor"
  4. Rhythmuskontrolle:
    • Hauptsächlich kurze Sätze
    • Angemessene Pausen
    • Ein Kernpunkt pro Segment

Kann aufgerufen werden von

  • image-to-video Skill (primär)
  • podcast-generator Skill
  • Andere Skills, die TTS benötigen

Individual skills in this repo

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

ComeOnOliver/skillshub

Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.

ComeOnOliver/skillshub

Next.js 16+ 和 Turbopack — 增量打包、文件系统缓存、开发速度,以及何时使用 Turbopack 与 webpack。

ComeOnOliver/skillshub

SwiftUI architecture patterns, state management with @Observable, view composition, navigation, performance optimization, and modern iOS/macOS UI best practices.

ComeOnOliver/skillshub

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio, video), and create real time alerts for events from live streams or desktop capture.

ComeOnOliver/skillshub

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

ComeOnOliver/skillshub

Next.js 15 애플리케이션을 위한 프론트엔드 개발 가이드라인. React 19, TypeScript, Shadcn/ui, Tailwind CSS를 사용한 모던 패턴. Server Components, Client Components, App Router, 파일 구조, Shadcn/ui 컴포넌트, 성능 최적화, TypeScript 모범 사례 포함. 컴포넌트, 페이지, 기능 생성, 데이터 페칭, 스타일링, 라우팅, 프론트엔드 코드 작업 시 사용.

ComeOnOliver/skillshub

Provides Tamagui patterns for config v4, compiler optimization, styled context, and cross-platform styling. Must use when working with Tamagui projects (tamagui.config.ts, @tamagui imports).

ComeOnOliver/skillshub

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, or applications. Generates creative, polished code that avoids generic AI aesthetics.

ComeOnOliver/skillshub

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

ComeOnOliver/skillshub

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

ComeOnOliver/skillshub

Next.js development tooling via MCP. Inspect routes, components, build info, and debug Next.js apps. Use when working on Next.js applications, debugging routing, or inspecting app structure. NOT for general React or non-Next.js projects.

ComeOnOliver/skillshub

Implement UI using Shadcn MCP (atoms/theme) and 21st.dev MCP (complex sections). Use when adding buttons, layouts, or generating landing pages.

ComeOnOliver/skillshub

A conceptual skill for building an API client in Next.js that handles JWT tokens

ComeOnOliver/skillshub

Best practices and patterns for Next.js App Router, Server Actions, and Routing in this project.

ComeOnOliver/skillshub

The Design System, Theme, and UX rules for the Physical AI Hub.

ComeOnOliver/skillshub

Comprehensive frontend development skill for building modern, performant web applications using ReactJS, NextJS, TypeScript, Tailwind CSS. Includes component scaffolding, performance optimization, bundle analysis, and UI best practices. Use when developing frontend features, optimizing performance, implementing UI/UX designs, managing state, or reviewing frontend code.

ComeOnOliver/skillshub

This document captures learnings from fixing keyboard navigation issues when floating components (Select, DropdownMenu, Popover) have CSS open/close animations.

ComeOnOliver/skillshub

Build Next.js 16 applications with correct patterns and distinctive design. Use when creating pages, layouts, dynamic routes, upgrading from Next.js 15, or implementing proxy.ts. Covers breaking changes (async params/searchParams, Turbopack, cacheComponents) and frontend aesthetics. NOT when building non-React or backend-only applications.

ComeOnOliver/skillshub

Comprehensive Framer Motion animation library for React. Covers motion components, variants, gestures, page transitions, and scroll animations. Use when adding animations to React/Next.js applications.

ComeOnOliver/skillshub

Build interfaces that resonate, not just render. This skill enforces bold, intentional

Verwandte Skills