ai-video-voice

ai-video-voice: 配音

Cuándo usarlo

El video silente (film.mp4) existe. Este skill añade locución, subtítulos y la mezcla final. Nunca modifica la imagen.

1. Verificar primero la configuración de voz

Ejecuta la verificación de configuración TTS antes de sintetizar (por ejemplo, un comando doctor si la herramienta TTS lo proporciona). Informa al usuario sobre la configuración faltante; no cambies silenciosamente a una voz diferente.

• Si el usuario solicitó una voz personal y su configuración falta o está dañada, pausa solo la locución afectada. No sustituyas silenciosamente por otra voz.
• Las configuraciones de voz personal, grabaciones, clips de referencia y pesos del modelo permanecen en un directorio privado. Nunca ingresan a este repositorio.

2. Sintetizar en una sola toma completa

• Sintetiza la locución en una sola toma completa, no cosiendo frase por frase. Coser crea costuras audibles y desviaciones.
• Si el modelo de voz o el clip de referencia cambia, genera una nueva versión de la locución. Nunca sobrescribas el archivo de audio anterior.

3. Sincronía audio-imagen usando la duración real

• Sincroniza según la duración real de la locución. Nunca estires el audio para que encaje en un plano.
• Si el metraje es corto, mantén el último fotograma para llenar el espacio. Si el metraje es largo, corta el segmento con menos información.
• Coloca las acciones fuertes en los beats marcados. Mueve los efectos de sonido desde el movimiento mismo.

4. Los subtítulos siguen al audio

• La temporización de los subtítulos proviene del audio, no de la estimación del guion. Transcribe con un reconocedor de voz cuando esté disponible; sin él, usa el guion más detección de silencio (el error puede alcanzar 0.4 segundos).
• Corrige los errores de reconocimiento contra el guion. Corta las oraciones iniciales y finales que pertenezcan a vecinos.
• Entrega captions.srt junto con el video. Si el video se vuelve a cortar para un editor que añade sus propios subtítulos, entrega también un video sin subtítulos más el archivo .srt.

5. Mezcla

• Normaliza el audio mezclado a -14 LUFS.
• Mantén música, locución y efectos de sonido en una sola línea de tiempo con la imagen.
• Verifica el pico de audio y la decodificación completa antes de pasar a revisión.

Contrato de salida

• voiceover.wav (o .mp3), una sola toma completa.
• captions.srt.
• mix-report.md (duración, pico, LUFS, fuente de subtítulos y margen de error).

Reglas

• Una configuración de voz faltante bloquea solo la locución. Nunca bloquea el trabajo de guion o imagen.
• Nunca afirmes que un archivo de subtítulos es exacto cuando provino de detección de silencio; escribe el margen de error en el informe de mezcla.
• No subir ni desplegar audio sin autorización de publicación.