xiaocong3/ecommerce-video-skills

Doublage vocal IA : génère des voix off pour vidéos e-commerce phrase par phrase avec edge-tts (synthèse vocale Microsoft Edge en ligne), suppression automatique du silence au début/fin, statistiques de durée par phrase, cache et réutilisation, choix de voix/débit/tonalité, et fournit des règles de réécriture de script.

Qu'est-ce que ecommerce-video-skills ?

Ce skill permet de générer des voix off réalistes pour des vidéos e-commerce (notamment pour TikTok, Douyin, etc.) à l’aide de l’outil gratuit edge-tts. Il traite le script phrase par phrase, supprime automatiquement les silences en début et fin d’enregistrement, et produit un fichier `durations.json` contenant les durées réelles de chaque segment. Ces informations servent ensuite à synchroniser parfaitement sous-titres et images avec la piste audio. Le skill offre une grande flexibilité : choix de la voix (masculine/féminine, ton dynamique ou calme), réglage du débit et de la tonalité, et mise en cache des fichiers audio pour éviter de régénérer les mêmes phrases. Il inclut également des règles de réécriture de script pour optimiser la lecture TTS (numéros en toutes lettres, phrases courtes, vocabulaire oral). Compatible avec edge-tts (nécessite Python) et ffmpeg, il fonctionne en ligne et en local avec cache.

Compatible avec~Claude Code~Codex CLI~Cursor

npx skills add https://github.com/xiaocong3/ecommerce-video-skills/tree/HEAD/skills/ai-voiceover-edge-tts

Documentation

AI 口播配音 · Doublage vocal avec edge-tts

Synthèse phrase par phrase → Suppression du silence → WAV 48 kHz → durations.json. Les sous-titres et la durée des plans sont alignés sur la durée réelle de la voix off, fini les décalages son/image.

Fait partie de ecommerce-video-skills · Script : scripts/tts_edge.py (dépend uniquement de edge-tts + ffmpeg)

Entrées Inputs

Script de doublage (une phrase par ligne, ou champ line d’un storyboard.json)
Langue / préférence de voix (homme/femme, dynamique/calme), débit
Environnement : pip install edge-tts, ffmpeg, accès réseau au service TTS Microsoft

Étapes Steps

Réécrire le script pour qu’il soit « facile à lire » (voir règles), chaque phrase 8–20 mots.

Choisir une voix (python scripts/tts_edge.py --list zh-CN pour toutes les voix) :

Scénario	Voix recommandée
Dynamique « coup de cœur » (homme)	`zh-CN-YunxiNeural`
Dynamique « coup de cœur » (femme)	`zh-CN-XiaoxiaoNeural` / `zh-CN-XiaoyiNeural`
Promotion passionnée	`zh-CN-YunjianNeural`
Explication professionnelle	`zh-CN-YunyangNeural`
Taïwan / Hong Kong	`zh-TW-HsiaoChenNeural` / `zh-HK-HiuMaanNeural`
English	`en-US-AndrewNeural` · `en-US-AvaNeural` · `en-US-EmmaNeural`

Synthétiser :

pip install edge-tts
# Essai d’une phrase
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 complet (une phrase par plan → build/tts/l00.wav … + durations.json)
python scripts/tts_edge.py --storyboard storyboard.json --outdir build/tts

Écouter 2 phrases avant de lancer le batch : un débit de +5% à +15% est idéal pour un ton vendeur ; au-delà de +20%, le rendu semble précipité.
Confier à ffmpeg-auto-assemble (qui appelle ce script automatiquement) ou à votre logiciel de montage.

Règles de réécriture du script Script rules

Les chiffres s’écrivent comme on les prononce : 2核8G → 两核八G ; 24h → 二十四小时 ; les lettres de modèles sont espacées A I. Les sous-titres peuvent garder l’écriture originale (champ sub).
Une phrase = une seule idée ; la virgule marque un souffle, la phrase se termine par un point ou un point d’interrogation pour donner une intonation naturelle.
Supprimer les termes trop écrits : « Ce produit possède… » → « Cette tasse… ».
Si un nom de marque en anglais est mal prononcé, écrire la prononciation phonétique ou une approximation dans line, et conserver l’orthographe correcte dans sub.

Modèle de prompt Prompt template

Réécris le texte promotionnel ci-dessous en un script adapté à la synthèse vocale : chaque phrase 8–20 mots, une idée par phrase, style parlé ;
les chiffres et lettres sont écrits comme prononcés ; fournis également une colonne « sous-titres » avec l’écriture originale et **un mot-clé en gras**.
N’ajoute pas d’arguments ou de données absents de l’original. Texte : {…}

Liste de vérification Checklist

Écouter 2 phrases pour confirmer voix/débit
Les chiffres, lettres, noms de marque sont correctement prononcés
durations.json généré, durée totale correspond à l’objectif
Avant usage commercial, vérifier les obligations locales concernant le marquage des voix IA (ex. « Généré par IA »)

Problèmes fréquents et correctifs Failure fixes

Problème	Correctif
`edge-tts failed` / timeout	Problème réseau, le script réessaie 3 fois ; changer de réseau ou réessayer plus tard ; hors ligne, utiliser `assemble.py --tts none` pour prévisualiser les images
Erreur de prononciation	Écrire la prononciation phonétique dans `line`, garder l’original dans `sub`
Pause trop longue entre phrases	Le silence au début/fin est déjà supprimé ; ajuster le `pad` du storyboard (défaut 0,25s)
Voix trop plate	Changer pour `YunjianNeural`/`XiaoyiNeural` ; `--pitch "+5Hz"` ; terminer les phrases par `?` ou `!`
Besoin d’une voix plus naturelle	edge-tts reste synthétique ; pour des besoins exigeants, utiliser un enregistrement humain – le pipeline fonctionne aussi en plaçant les fichiers dans `build/tts/lXX.wav`

edge-tts est maintenu par la communauté (rany2/edge-tts, LGPL-3.0), il utilise le service en ligne Microsoft ; ce dépôt ne fait que l’installer comme dépendance, sans inclure son code.