Communitygithub.com

Aseel1600/Edit01

Genera narraciones expresivas y multilingües con fish.audio (modelos S1/S2) y reutiliza voces clonadas mediante reference_id. Úsalo cuando el usuario prefiera fish.audio/Fish Audio TTS, quiera un modelo de voz específico del playground, o necesite narración con clonación de voz de alta emoción.

¿Qué es Edit01?

Esta habilidad permite a agentes de IA (como Claude Code, Cursor o Codex) generar narraciones de alta calidad con Fish Audio TTS, utilizando los modelos S2.1-pro, S2-pro o S1. Soporta clonación de voz mediante reference_id (IDs de modelos creados en el playground de fish.audio), etiquetas de emoción en línea en modelos S2 (p. ej., [laugh], [whispers]), y ajustes de latencia y calidad. Es útil para proyectos que requieren narración expresiva y multilingüe, especialmente con voces clonadas personalizadas. La habilidad se integra con OpenMontage a través de TTSSelector o llamadas directas a la API de Fish Audio, y maneja facturación por byte UTF-8, con una opción promocional gratuita (s2.1-pro-free) hasta agosto de 2026.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Aseel1600/Edit01/tree/HEAD/.agents/skills/fish-audio-tts

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

fish.audio TTS

Requiere FISH_AUDIO_API_KEY en .env (crea una en https://fish.audio/go-api/api-keys/). Crea modelos de voz en el playground de fish.audio y pasa su id como reference_id para reutilizar una voz clonada.

API actual

Llamada síncrona única que devuelve bytes de audio sin procesar:

POST https://api.fish.audio/v1/tts
Authorization: Bearer ${FISH_AUDIO_API_KEY}
Content-Type: application/json
model: <modelo backend>     # Cabecera HTTP que selecciona el backend, p. ej. s1

El modelo backend se elige mediante la cabecera HTTP model, no un campo del cuerpo. En OpenMontage esto se asigna al parámetro model de la herramienta.

Modelos backend

model es obligatorio — no hay valor predeterminado. Usa uno de:

  • s2.1-pro — última generación. Mejor calidad: etiquetas de emoción en línea, 80+ idiomas, varios hablantes. Narración principal.
  • s2.1-pro-free — acceso promocional gratuito a s2.1-pro. Borradores, muestras y ejecuciones de validación a $0 solo durante la ventana promocional. Según el anuncio de fish.audio: gratis hasta el 31 de agosto de 2026, sujeto a Uso Justo, sin garantía de SLA/latencia, las solicitudes pueden retenerse y el uso comercial está restringido. Nunca enrutes narraciones de producción o de clientes a través de él.
  • s2-pro — primera generación S2. Alta calidad estable con soporte de etiquetas de emoción.
  • s1 — buque insignia anterior. Mantenido por compatibilidad con integraciones existentes.

La facturación es por byte UTF-8 del texto de entrada (no por carácter). El texto CJK y los emojis cuestan 3-4 veces más que un carácter ASCII de la misma longitud visible. Precios de lista actuales: s1 / s2-pro / s2.1-pro = $15 por 1M de bytes, s2.1-pro-free = $0 solo durante la ventana promocional (el estimate_cost() de la herramienta cambia a la tarifa paga de s2.1-pro después del 31 de agosto de 2026). Verifica los precios actuales en https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits antes de lotes grandes.

Etiquetas de emoción en línea (solo modelos S2)

s2-pro / s2.1-pro / s2.1-pro-free interpretan etiquetas de emoción en línea incrustadas en el texto:

  • Etiquetas como [laugh], [whispers] cambian la entrega en medio de la oración.
  • Ejemplo: "That's hilarious [laugh] but let me explain seriously."
  • s1 no interpreta etiquetas de emoción; pueden leerse como texto plano, así que elimínalas al apuntar a s1.

Selección de voz (reference_id)

  • Crea o elige una voz en el playground de fish.audio, luego copia su id de modelo.
  • Pásalo como reference_id. El voice_id genérico del selector se acepta como alias cuando reference_id está ausente.
  • Sin un reference_id, fish.audio usa su voz predeterminada para el modelo elegido.

La clonación instantánea en línea (subir audio de referencia + texto por solicitud) no es compatible con esta herramienta: crea primero un modelo de voz en el playground.

Uso en OpenMontage

Genera con el selector TTS:

from tools.audio.tts_selector import TTSSelector

result = TTSSelector().execute({
    "preferred_provider": "fish_audio",
    "text": "Here's why compound interest quietly beats every get-rich-quick scheme.",
    "model": "s1",
    "reference_id": "<id del modelo de voz del playground>",
    "output_path": "projects/my-video/assets/audio/narration.mp3",
})

O llama al proveedor directamente:

from tools.audio.fish_audio_tts import FishAudioTTS

result = FishAudioTTS().execute({
    "text": "Short sample line for approval.",
    "model": "s1",
    "reference_id": "<id del modelo de voz del playground>",
    "output_path": "projects/my-video/assets/audio/fish_sample.mp3",
})

El proveedor escribe el audio en output_path y devuelve data.output junto con los valores model y reference_id resueltos.

Ajuste de calidad y latencia

  • latency: normal (predeterminado, mejor calidad), balanced (un poco más rápido) o low (más rápido, ligera pérdida de calidad).
  • normalize: predeterminado true; mantenlo activado para que números, fechas y monedas se lean de forma natural.
  • prosody: opcional { "speed": 1.0, "volume": 0 } para ajustar ritmo/volumen.
  • mp3_bitrate: 128 es un buen valor predeterminado; súbelo a 192 para mezclas con mucha música de fondo.
  • temperature: predeterminado 0.7. Aumenta hacia 0.9 para lecturas más expresivas (recomendado al usar etiquetas de emoción); reduce para una entrega más estable y predecible.
  • top_p / repetition_penalty: normalmente déjalos en los valores predeterminados (0.7 / 1.2).

Flujo de trabajo recomendado

  1. Genera una muestra de 10 a 15 segundos con el model + reference_id elegidos antes de una narración paga completa.
  2. Solicita la aprobación del usuario sobre naturalidad, emoción y ritmo de la voz.
  3. Genera la narración completa solo después de la aprobación.
  4. Para variantes por lotes/localización donde el costo importa, prototipa con s2.1-pro-free (ventana promocional $0; solo borradores no comerciales) y actualiza la final a s2.1-pro.

Solución de problemas

  • 401 Unauthorized: FISH_AUDIO_API_KEY incorrecta o faltante.
  • 402 / errores de pago: crédito de la cuenta agotado.
  • 404 / voz incorrecta: el reference_id es incorrecto o no pertenece a esta cuenta.
  • Audio vacío/corto: verifica que text no esté vacío y que normalize no esté eliminando toda la entrada.

Seguridad

Nunca imprimas ni escribas la clave de API en registros, metadatos, parches o artefactos del proyecto. .env.example debe contener solo nombres de variables vacíos.

Individual skills in this repo

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

Aseel1600/Edit01

Generate AI videos from text prompts using multiple provider gateways. Use when: (1) Generating videos from text descriptions, (2) Creating AI-generated video clips for content production, (3) Image-to-video generation with a reference image, (4) Choosing between video generation providers (VEO, Kling, Sora, Runway, Seedance, MiniMax, Gemini Omni). Supports gateways: HeyGen API, fal.ai API, Kling official direct API, and the Gemini API (Gemini Omni Flash).

Aseel1600/Edit01

Create AI avatar videos with precise control over avatars, voices, scripts, scenes, and backgrounds using HeyGen's v2 API. Use when: (1) Choosing a specific avatar and voice for a video, (2) Writing exact scripts for an avatar to speak, (3) Building multi-scene videos with different backgrounds per scene, (4) Creating transparent WebM videos for compositing, (5) Using talking photos as video presenters, (6) Integrating HeyGen avatars with Remotion, (7) Batch video generation with exact specs, (8) Brand-consistent production videos with precise control.

Aseel1600/Edit01

Use p5.js/canvas for local procedural character effects: particles, weather, squash/stretch, walk cycles, and environmental motion.

Aseel1600/Edit01

Review local character animation with schema checks, Playwright browser previews, frame sampling, and FFmpeg/ffprobe final output checks.

Aseel1600/Edit01

Create videos from a text prompt using HeyGen's Video Agent. Use when: (1) Creating a video from a description or idea, (2) Generating explainer, demo, or marketing videos from a prompt, (3) Making a video without specifying exact avatars, voices, or scenes, (4) Quick video prototyping or drafts, (5) One-shot prompt-to-video generation, (6) User says "make me a video" or "create a video about X".

Aseel1600/Edit01

Generate Mandarin and multilingual narration with Volcengine Doubao Speech 2.0. Use when creating Chinese voiceovers, when the user prefers Doubao/Volcengine/火山引擎/豆包 TTS, or when narration needs character-level timestamp metadata for subtitles.

Aseel1600/Edit01

Video and audio processing with FFmpeg. Use for format conversion, resizing, compression, audio extraction, and preparing assets for Remotion. Triggers include converting GIF to MP4, resizing video, extracting audio, compressing files, or any media transformation task.

Aseel1600/Edit01

Use when implementing Disney's 12 animation principles with Framer Motion in React applications

Aseel1600/Edit01

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

Aseel1600/Edit01

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

Aseel1600/Edit01

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

Aseel1600/Edit01

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

Aseel1600/Edit01

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

Aseel1600/Edit01

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

Aseel1600/Edit01

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (website-to-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

Aseel1600/Edit01

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

Aseel1600/Edit01

Best practices for Remotion - Video creation in React

Aseel1600/Edit01

Toolkit-specific Remotion patterns — custom transitions, shared components, and project conventions. For core Remotion framework knowledge (hooks, animations, rendering, etc.), see the `remotion-official` skill.

Aseel1600/Edit01

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

Aseel1600/Edit01

Animate SVG character rigs with GSAP, CSS transforms, Remotion frame control, and HyperFrames-compatible browser previews.

Skills relacionados