xiaocong3/ecommerce-video-skills

Locución AI · Voice-over con edge-tts

Sintetiza frase por frase → elimina silencios → WAV a 48 kHz → durations.json. Los subtítulos y las duraciones de los planos se alinean con la locución real, sin más desincronización.

Parte de ecommerce-video-skills · Script: scripts/tts_edge.py (solo depende de edge-tts + ffmpeg)

Entradas Inputs

• Guion de locución (una frase por línea, o el campo line de storyboard.json)
• Preferencias de idioma / voz (masculino/femenino, alegre/serena), velocidad
• Entorno: pip install edge-tts, ffmpeg, conexión a internet para acceder al servicio TTS de Microsoft

Pasos Steps

1. Reescribe como guion de locución «fácil de leer» (ver reglas), cada frase de 8–20 caracteres.

2. Elige la voz (python scripts/tts_edge.py --list zh-CN para ver todas):

   Escenario	Voz recomendada
   Recomendación enérgica (masculino)	zh-CN-YunxiNeural
   Recomendación cercana (femenino)	zh-CN-XiaoxiaoNeural / zh-CN-XiaoyiNeural
   Promoción apasionada	zh-CN-YunjianNeural
   Explicación profesional	zh-CN-YunyangNeural
   Taiwán / Hong Kong	zh-TW-HsiaoChenNeural / zh-HK-HiuMaanNeural
   Inglés	en-US-AndrewNeural · en-US-AvaNeural · en-US-EmmaNeural

3. Sintetiza:

   pip install edge-tts
   # Prueba una frase
   python scripts/tts_edge.py "夏天带冰水出门，不到中午就变温了？" --voice zh-CN-YunxiNeural --rate "+10%" -o out/hook.wav
   # Storyboard completo (una frase por plano → build/tts/l00.wav … + durations.json)
   python scripts/tts_edge.py --storyboard storyboard.json --outdir build/tts
   

4. Prueba 2 frases antes de procesar todo: velocidad +5%～+15% suena más natural para ventas; más de +20% parece apresurado.

5. Entrega a ffmpeg-auto-assemble (que llamará este script automáticamente) o a tu software de edición.

Reglas para reescribir el guion Script rules

• Escribe los números como se leen: 2核8G → 两核八G; 24h → 二十四小时; separa letras con espacios A I. Los subtítulos pueden mantener la escritura original (campo sub).
• Cada frase solo trata un tema; la coma es el punto de respiración, finaliza con punto o signo de interrogación para que la entonación caiga.
• Elimina palabras formales: «此款产品具有…» → «这只杯子…».
• Si el nombre de una marca en inglés se pronuncia mal, escribe la pronunciación fonética o en pinyin en line, y mantén la ortografía correcta en sub.

Plantilla de prompt Prompt template

Reescribe el siguiente texto promocional como un guion de locución adecuado para TTS: cada frase de 8–20 caracteres, una idea por frase, lenguaje coloquial;
los números y letras deben escribirse como se leen; además, genera una columna «versión subtítulos» que mantenga la escritura original y resalte **en negrita** 1 palabra clave.
No añadas puntos de venta o datos que no estén en el original. Original: {…}

Lista de verificación Checklist

• Prueba 2 frases para confirmar voz/velocidad
• Números, letras, marcas se pronuncian correctamente
• durations.json generado, duración total dentro del objetivo
• Antes de uso comercial, verifica los requisitos de etiquetado de voz AI en la plataforma y región (p. ej. «Generado por AI»)

Problemas comunes y soluciones Failure fixes

Problema	Solución
edge-tts failed / timeout	Problema de red, el script reintenta 3 veces; cambia de red o espera; sin conexión usa assemble.py --tts none para previsualizar video
Pronunciación incorrecta	Escribe la pronunciación fonética o en pinyin en line, mantén el original en sub
Pausas largas entre frases	Ya se eliminan silencios al inicio y final automáticamente; ajusta pad en el storyboard (por defecto 0.25s)
Voz monótona	Cambia a YunjianNeural/XiaoyiNeural; --pitch "+5Hz"; usa signo de interrogación/exclamación al final
Necesito voz humana	edge-tts es sintético; para requisitos altos, usa grabaciones reales; el pipeline aún funciona (coloca los audios en build/tts/lXX.wav)

edge-tts es mantenido por la comunidad (rany2/edge-tts, LGPL-3.0) y llama al servicio en línea de Microsoft; este repositorio solo lo instala como dependencia, no incluye su código.