Communitygithub.com

ElevenLabs TTS

Genera audio de texto a voz con ElevenLabs a partir de guiones o texto en línea usando perfiles de voz locales. Úsalo cuando el usuario solicite ElevenLabs, texto a voz, TTS, narración, locución, audio de voz o generación de voz; carga nombres de voz, IDs de voz, correos electrónicos, propietarios y valores predeterminados específicos de la cuenta solo desde la configuración local fuera del skill.

¿Qué es ElevenLabs TTS?

Este skill, **ElevenLabs TTS**, está diseñado para integrarse en asistentes de IA como Claude Code, Cursor o Codex, permitiendo generar audio de alta calidad a partir de texto mediante la API de ElevenLabs. Su principal ventaja es la separación clara entre la lógica reutilizable del skill y la configuración personal de cada usuario: las claves API, nombres de voz, IDs de voz y perfiles de cuenta se leen exclusivamente de variables de entorno o archivos JSON locales fuera del skill, garantizando que este permanezca genérico y portable entre proyectos. El skill soporta perfiles de voz configurables con campos como `voice_name`, `voice_id`, `model_id`, `output_format` y `voice_settings` (estabilidad, similaridad, estilo, velocidad, refuerzo de altavoz). El flujo de trabajo típico selecciona un perfil (por argumento, variable de entorno o perfil por defecto), prepara la solicitud usando un script helper en Python que acepta texto en línea, archivos de guion o entrada estándar, y genera el audio en el formato y destino solicitados. Además, el script incluye opciones para sobrescribir parámetros en una sola generación, hacer simulaciones en seco (`--dry-run`) o listar voces disponibles sin generar audio. El skill utiliza los endpoints oficiales de la API de ElevenLabs para búsqueda de voces y generación de voz, enviando la clave API como `xi-api-key`. Es especialmente útil para narraciones, doblaje, voz en off y aplicaciones de accesibilidad, manteniendo la seguridad y la flexibilidad mediante la configuración externa.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MengTo/Skills/tree/HEAD/agent-skills/codex/elevenlabs-tts

Preguntar en tu IA favorita

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

Documentación

¿Qué hace ElevenLabs TTS?

Usa este skill para la generación de texto a voz con ElevenLabs. Mantén el skill reutilizable y no personal:

  • No almacenes claves API, nombres de voz, IDs de voz, correos electrónicos, nombres de cuentas, nombres de clientes ni valores predeterminados personales dentro del skill.
  • Lee ELEVENLABS_API_KEY de las variables de entorno o del .env más cercano.
  • Lee los perfiles de voz específicos de la cuenta desde un archivo JSON local fuera de este skill.
  • Genera audio con configuraciones a nivel de solicitud. No modifiques la configuración guardada de la cuenta o voz de ElevenLabs a menos que el usuario lo solicite explícitamente.

Perfiles Locales

Prefiere una de estas fuentes de configuración, en este orden:

  1. --config /ruta/a/perfiles.json
  2. ELEVENLABS_TTS_CONFIG=/ruta/a/perfiles.json
  3. local/elevenlabs/profiles.json

Los archivos de perfil locales del proyecto también son válidos cuando están en .gitignore, por ejemplo config/local/elevenlabs-tts.json.

El script auxiliar espera esta estructura:

{
  "default_profile": "default",
  "profiles": {
    "default": {
      "voice_name": "Nombre de la voz de la cuenta local",
      "voice_id": "id-de-voz-directo-opcional",
      "voice_id_env": "VARIABLE_DE_ENTORNO_OPCIONAL_CON_ID_DE_VOZ",
      "model_id": "eleven_multilingual_v2",
      "output_format": "mp3_44100_128",
      "voice_settings": {
        "stability": 0.5,
        "similarity_boost": 1.0,
        "style": 0.0,
        "speed": 1.0,
        "use_speaker_boost": true
      },
      "output_dir": "outputs/locuciones",
      "emails": []
    }
  }
}

Campos como emails, propietarios, alias y notas son solo para contexto/ruteo local. El script ignora los campos de metadatos desconocidos.

Flujo de Trabajo

  1. Selecciona el perfil desde --profile, ELEVENLABS_TTS_PROFILE o default_profile.
  2. Prefiere el script auxiliar: python3 <raiz-del-skill>/scripts/generate_voice.py --text-file guion.txt --profile default --output salida.mp3
  3. Si el perfil tiene voice_id, úsalo. Si tiene voice_id_env, lee esa variable de entorno. En caso contrario, busca en ElevenLabs por voice_name.
  4. Usa model_id, output_format y voice_settings del perfil a menos que el usuario los sobrescriba para esta generación.
  5. Coloca el audio generado en el destino solicitado. Si no se da destino, usa output_dir del perfil y luego outputs/locuciones/.
  6. Informa la ruta de salida y cualquier advertencia importante. No imprimas secretos.

Script Auxiliar

El script incluido soporta:

  • --text "..." para texto en línea
  • --text-file ruta.txt para archivos de guion
  • stdin cuando no se proporciona ni --text ni --text-file
  • --profile nombre para seleccionar un perfil local
  • --config ruta.json para seleccionar un archivo de perfiles local
  • --voice-id, --voice-name, --model-id, --output-format y --settings-json para sobrescribir parámetros puntuales
  • --output ruta.mp3 para elegir el archivo de salida
  • --dry-run para imprimir el payload de la solicitud resuelta sin llamar al endpoint de texto a voz
  • --list-voices para listar las voces de ElevenLabs que coinciden sin generar audio

Notas de la API

Usa los endpoints actuales de ElevenLabs:

  • Búsqueda de voces: GET https://api.elevenlabs.io/v2/voices
  • Generación de voz: POST https://api.elevenlabs.io/v1/text-to-speech/:voice_id?output_format=...

Envía la clave API como xi-api-key.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

MengTo/Skills

Create polished 60 fps 4:3 4K browser screen-recording style videos from Codex in-app browser captures, with browser-only crop, natural macOS cursor styling, deliberate click choreography, zoom-follow framing, ffprobe/thumbnail verification, and optional native recording compatibility checks. Use when the user asks to record or re-record browser actions, show cursor clicks and zooms, make Dribbble/UI inspiration or product demo recordings, or asks whether Codex, Playwright, or an MCP can produce a natural browser demo video.

MengTo/Skills

Profile, audit, and optimize frontend page performance with emphasis on animation work, memory-leak risks, long-session slowdowns, CSS animations, canvas/WebGL requestAnimationFrame loops, marquees, skeletons, GSAP/Three/Matter effects, timers, listeners, and observers. Use when the user asks to make animations performant, pause offscreen animations, look for memory leaks, profile pages that slow the computer over time, fix janky scrolling, reduce CPU/GPU use, or repeat the "only play in view" optimization on React/Vite/Next/frontend pages using Codex Browser.

MengTo/Skills

Turn a reference video into a super detailed recreation or inspiration prompt. Use when the user provides, mentions, uploads, links, or points to a video and asks to analyze the design, UI, animations, transitions, scroll interactions, typography, colors, assets, WebGL/Three.js, storytelling, section-by-section behavior, or to create a prompt/article that recreates the page, app, interaction, or motion system.

MengTo/Skills

Create an on-scroll animation trigger using IntersectionObserver with Tailwind-friendly animation classes and keyframes. Use when asked for scroll-reveal, animate-on-scroll, or sequencing element animations when they enter the viewport.

MengTo/Skills

Use when designing or implementing product-grade web motion like Stripe, Linear, Apple, and Vercel. Covers motion principles, easing/duration defaults, choreography patterns, scroll/hover interactions, performance, accessibility (reduced motion), and implementation guidance.

MengTo/Skills

Create premium cinematic web motion systems with GSAP, ScrollTrigger, and Lenis. Use for luxury editorial websites, creative studio portfolios, Awwwards-style interactions, smooth scroll reveals, staggered text, parallax, pinned sections, magnetic hover states, custom cursors, and mouse-reactive layered movement.

MengTo/Skills

Create cinematic scroll-driven landing pages with Lenis smooth scrolling, GSAP ScrollTrigger, scroll-linked progression, staggered text reveals, sticky card stacks, parallax backgrounds, scroll-scrubbed transitions, footer reveals, and immersive preloaders. Use when analyzing or building premium editorial scroll experiences, sticky project stacks, kinetic typography, or section-by-section storytelling.

MengTo/Skills

Use when designing or rewriting a high-converting SaaS pricing page (structure, plan design, copywriting, SEO/AEO, FAQs, layout patterns, experiments). Includes checklists, templates, and common pitfalls.

MengTo/Skills

Use when creating or refining WebGL-heavy landing pages and you need to steer toward a specific visual outcome (premium, technical, playful, cinematic) while balancing conversion clarity, performance, and implementation complexity.

Skills relacionados