Communitygithub.com

Aseel1600/Edit01

Générez une narration expressive et multilingue avec fish.audio (modèles S1 / S2-generation) et réutilisez des voix clonées via reference_id. À utiliser lorsque l'utilisateur préfère fish.audio / Fish Audio TTS, souhaite un modèle vocal spécifique du playground, ou a besoin d'une narration vocale clonée à forte émotion.

Qu'est-ce que Edit01 ?

Cette compétence permet aux agents IA d'utiliser l'API TTS de fish.audio pour générer des narrations expressives et multilingues. Elle prend en charge les modèles de backend S1 et S2 (s2-pro, s2.1-pro, ainsi que la version promotionnelle gratuite s2.1-pro-free). Les utilisateurs peuvent cloner des voix via le playground de fish.audio et réutiliser ces voix en passant leur `reference_id`. Les modèles S2 interprètent les balises d'émotion inline (comme [laugh], [whispers]) pour un rendu plus vivant, tandis que S1 ne les prend pas en charge. La facturation est basée sur le nombre d'octets UTF-8 du texte saisi, et non sur le nombre de caractères, ce qui rend le texte CJK et les emojis plus coûteux. La compétence inclut des paramètres de réglage de la qualité et de la latence (normal, équilibré, faible) ainsi que des options de prosodie. Elle nécessite une clé API FISH_AUDIO_API_KEY et propose un flux de travail recommandé démarrant par de courts échantillons pour validation avant une production complète.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

TTS fish.audio

Nécessite FISH_AUDIO_API_KEY dans .env (créez-en une sur https://fish.audio/go-api/api-keys/). Créez des modèles vocaux dans le playground fish.audio et passez leur identifiant comme reference_id pour réutiliser une voix clonée.

API actuelle

Appel synchrone unique renvoyant des octets audio bruts :

POST https://api.fish.audio/v1/tts
Authorization: Bearer ${FISH_AUDIO_API_KEY}
Content-Type: application/json
model: <modèle backend>     # L'en-tête HTTP sélectionne le backend, ex. s1

Le modèle backend est choisi avec l'en-tête HTTP model, pas un champ du corps. Dans OpenMontage, cela correspond à l'entrée model de l'outil.

Modèles backend

model est obligatoire – il n'y a pas de valeur par défaut. Passez l'un des suivants :

  • s2.1-pro — dernière génération. Meilleure qualité : balises d'émotion inline, 80+ langues, multi-locuteur. Narration héroïque.
  • s2.1-pro-free — accès gratuit promotionnel à s2.1-pro. Brouillons, échantillons et validations à 0 $ pendant la fenêtre promo uniquement. Selon l'annonce fish.audio : gratuit jusqu'au 31 août 2026, soumis à une utilisation équitable, aucune garantie SLA/latence, les requêtes peuvent être conservées et l'utilisation commerciale est restreinte. Ne l'utilisez jamais pour la narration en production ou pour les clients.
  • s2-pro — première génération S2. Haute qualité stable avec prise en charge des balises d'émotion.
  • s1 — ancien produit phare. Conservé pour la compatibilité avec les intégrations existantes.

La facturation est par octet UTF-8 du texte saisi (pas par caractère). Le texte CJK et les emojis coûtent 3 à 4 fois plus qu'un caractère ASCII de même longueur visible. Tarif actuel : s1 / s2-pro / s2.1-pro = 15 $ par million d'octets, s2.1-pro-free = 0 $ uniquement pendant la fenêtre promo (l'outil estimate_cost() bascule vers le tarif payant s2.1-pro après le 31 août 2026). Vérifiez les tarifs actuels sur https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits avant les gros volumes.

Balises d'émotion inline (modèles S2 uniquement)

s2-pro / s2.1-pro / s2.1-pro-free interprètent les balises d'émotion inline intégrées dans le texte :

  • Les balises comme [laugh], [whispers] modifient le débit en milieu de phrase.
  • Exemple : "C'est hilarant [laugh] mais laisse-moi t'expliquer sérieusement."
  • s1 n'interprète pas les balises d'émotion — elles peuvent être lues comme du texte brut, donc supprimez-les lorsque vous ciblez s1.

Sélection de la voix (reference_id)

  • Créez ou choisissez une voix dans le playground fish.audio, puis copiez son identifiant de modèle.
  • Passez-le comme reference_id. Le voice_id générique du sélecteur est accepté comme alias lorsque reference_id est absent.
  • Sans reference_id, fish.audio utilise sa voix par défaut pour le modèle choisi.

Le clonage inline à la volée (téléchargement d'un audio de référence + texte par requête) n'est pas pris en charge par cet outil — créez d'abord un modèle vocal dans le playground.

Utilisation avec OpenMontage

Générez avec le sélecteur TTS :

from tools.audio.tts_selector import TTSSelector

result = TTSSelector().execute({
    "preferred_provider": "fish_audio",
    "text": "Voici pourquoi l'intérêt composé bat silencieusement chaque arnaque pour devenir riche rapidement.",
    "model": "s1",
    "reference_id": "<identifiant du modèle vocal du playground>",
    "output_path": "projects/my-video/assets/audio/narration.mp3",
})

Ou appelez directement le fournisseur :

from tools.audio.fish_audio_tts import FishAudioTTS

result = FishAudioTTS().execute({
    "text": "Court échantillon pour approbation.",
    "model": "s1",
    "reference_id": "<identifiant du modèle vocal du playground>",
    "output_path": "projects/my-video/assets/audio/fish_sample.mp3",
})

Le fournisseur écrit l'audio dans output_path et renvoie data.output ainsi que les model et reference_id résolus.

Réglage de la qualité et de la latence

  • latency : normal (par défaut, meilleure qualité), balanced (un peu plus rapide), ou low (le plus rapide, léger coût en qualité).
  • normalize : par défaut true ; laissez-le activé pour que les nombres, dates et devises soient lus naturellement.
  • prosody : optionnel { "speed": 1.0, "volume": 0 } pour ajuster le rythme/volume.
  • mp3_bitrate : 128 est un bon défaut ; passez à 192 pour les mixes chargés en fond musical.
  • temperature : par défaut 0.7. Augmentez vers 0.9 pour des lectures plus expressives (recommandé si vous utilisez les balises d'émotion) ; abaissez pour un rendu plus stable et prévisible.
  • top_p / repetition_penalty : laissez généralement les valeurs par défaut (0.7 / 1.2).

Flux de travail recommandé

  1. Générez un échantillon de 10 à 15 secondes avec le model + reference_id choisis avant une narration payante complète.
  2. Demandez à l'utilisateur d'approuver le naturel, l'émotion et le rythme de la voix.
  3. Générez la narration complète uniquement après approbation.
  4. Pour les variantes en lot/localisation où le coût est important, prototypage sur s2.1-pro-free (0 $ pendant la fenêtre promo ; brouillons non commerciaux uniquement) et passez la version finale à s2.1-pro.

Dépannage

  • 401 Unauthorized : clé FISH_AUDIO_API_KEY erronée ou manquante.
  • 402 / erreurs de paiement : crédit du compte épuisé.
  • 404 / mauvaise voix : le reference_id est erroné ou n'appartient pas à ce compte.
  • Audio vide/court : vérifiez que text n'est pas vide et que normalize ne supprime pas la totalité de l'entrée.

Sécurité

N'imprimez ni n'écrivez jamais la clé API dans des journaux, métadonnées, correctifs ou artefacts de projet. .env.example ne doit contenir que des noms de variables vides.

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 associés