Communitygithub.com

PrunaAI/pruna-skills

À utiliser lorsque l'utilisateur a besoin d'une narration parlée ou d'un commentaire vocal — pistes explicatives, voix documentaires ou voix à associer à une vidéo générée.

Qu'est-ce que pruna-skills ?

Cette compétence permet aux agents IA ou aux développeurs de générer rapidement une narration vocale ou un commentaire audio à l'aide de l'API Replicate et du modèle `gemini-3.1-flash-tts`. Elle est idéale pour produire des voix off pour des vidéos explicatives, des documentaires, ou tout contenu nécessitant un récit oral. La compétence guide l'utilisateur dans la configuration de l'environnement (token REPLICATE_API_TOKEN, outil ffmpeg), la construction de la requête HTTP POST (texte, voix, prompt stylistique, code de langue), et la récupération du fichier audio final. Elle s'intègre nativement avec d'autres compétences comme `p-video` pour synchroniser la voix avec une vidéo générée, et respecte les bonnes pratiques de prompt (via `audio-prompting`) pour aligner le texte, les balises de jeu émotionnelles et le style. La compétence précise également quand ne pas l'utiliser (par exemple pour un avatar vidéo synchronisé labial ou une chanson complète avec paroles).

Compatible avec~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/PrunaAI/pruna-skills/tree/HEAD/skills/audio/gemini-3.1-flash-tts

Demander à votre IA préférée

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

Documentation

Prérequis

Installez et chargez ces compétences avant de générer (ignorez si déjà en contexte via @pruna) :

CompétenceDescriptionInstallation
generation-diversityÀ utiliser lors de la rédaction d'un prompt génératif — ritual seed, structure explicite, axes de scénario, et portes qualité avant les appels API payants.npx skills add PrunaAI/pruna-skills@generation-diversity -y
audio-promptingÀ utiliser lors de la création de prompts TTS, musicaux ou ambiants pour tout modèle audio génératif — style réalisateur, structure de chanson, et superposition post-production.npx skills add PrunaAI/pruna-skills@audio-prompting -y
video-promptingÀ utiliser lors de la création de prompts vidéo ou de mouvement pour tout modèle génératif — dramaturgie, caméra, mouvement physique plausible, ancres de cadre, et enchaînement de clips.npx skills add PrunaAI/pruna-skills@video-prompting -y
pruna-apiÀ utiliser avant tout appel HTTP Pruna ou Replicate — identifiants, upload/poll/download, lots parallèles, et sécurité agent.npx skills add PrunaAI/pruna-skills@pruna-api -y

Ou installez la suite complète en une fois : npx skills add PrunaAI/pruna-skills@pruna -y

Suivez les sections Avant de générer / craft de chaque compétence — ne répétez pas le contenu du guide ici.

Habitude de l'agent

Dans la première réponse, nommez `gemini-3.1-flash-tts` entre backticks, confirmez REPLICATE_API_TOKEN (ou arrêtez avec les liens d'inscription depuis pruna-api), puis demandez les entrées requises. Effectuez l'accueil → entretien de clarification generation-diversity (locale, voix, script) avant le premier POST. Redirigez lorsque Quand ne PAS utiliser est plus approprié.

Quand ne PAS utiliser

Utilisez une autre compétence à la place :

CompétenceDescriptionInstallation
p-video-avatarÀ utiliser lorsque quelqu'un souhaite une personne à l'écran récitant un script — présentateur synchronisé labial, porte-parole, ou avatar narré à partir d'une photo portrait.npx skills add PrunaAI/pruna-skills@p-video-avatar -y
music-2.5À utiliser lorsque quelqu'un souhaite une chanson IA originale avec voix chantée — paroles chantées, piste de style prompt, ou audio source pour un clip musical.npx skills add PrunaAI/[email protected] -y
stable-audio-2.5À utiliser lorsque quelqu'un souhaite une musique de fond instrumentale légère — un tapis ambiant sous le dialogue ou une trame sonore pour des reels et des explications.npx skills add PrunaAI/[email protected] -y

Environnement

export REPLICATE_API_TOKEN=r8_...

Nécessite ffmpeg / ffprobe pour couper, concaténer la VO de scène ou mixer avec un tapis sonore.

HTTP (curl)

curl -s -X POST \
  -H "Authorization: Bearer ${REPLICATE_API_TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "text": "[chaleureusement] La peluche s'est envolée. [courte pause] Et puis elle avait disparu.",
      "voice": "Sulafat",
      "prompt": "Narrateur de livre d'histoires chaleureux, rythme doux, empathique, pas de voix d'annonceur.",
      "language_code": "fr-FR"
    }
  }' \
  "https://api.replicate.com/v1/models/google/gemini-3.1-flash-tts/predictions"

Interrogez urls.get jusqu'à ce que status soit succeeded ; téléchargez output (URL audio). Client partagé : suivez pruna-api (Replicate HTTP dans la compétence outil).

Avant de générer

  1. Complétez l'ordre de lecture des Prérequis.
  2. Confirmez text, voice, prompt et language_code avec l'utilisateur. text, prompt et les [tags] en ligne doivent correspondre — même direction émotionnelle (voir audio-prompting tts-style-prompting). Lors de la liste des champs, nommez REPLICATE_API_TOKEN (Replicate — pas PRUNA_API_KEY).
  3. Notes sur le modèle : text + prompt combinés ≤ ~8 000 octets ; sortie limitée à ~655s. Lorsque le TTS alimente p-video en tant que input.audio, gardez chaque ligne ≤ ~19s (ffprobe) — l'API P coupe l'audio à 20s. Voix courantes : Kore, Aoede, Sulafat, Achird, Charon, Puck, Vindemiatrix — liste complète sur le readme Replicate.

Entrée requise

  • text (chaîne) — texte parlé ; prend en charge les [tags] en ligne. Max ~4 000 octets.

Champs facultatifs courants

  • voice (par défaut Kore)
  • prompt — notes de style / réalisateur (max ~4 000 octets)
  • language_code — BCP-47 (par défaut en-US)

Balises en ligne (exemples) : [sigh] [laughing] [whispering] [short pause] [medium pause] [long pause] [excitedly].

Prochaines étapes typiques

Suites courantes après cette compétence :

CompétenceDescriptionInstallation
p-videoÀ utiliser lorsque quelqu'un souhaite un court clip simple à partir de texte ou d'images — B-roll rapide, brouillons, ou animation d'image de début/fin. Pas lorsque le brief nécessite une génération cinématographique, une qualité maximale, une synchronisation labiale précise, ou une importation audio en 1080p.npx skills add PrunaAI/pruna-skills@p-video -y
p-video-avatarÀ utiliser lorsque quelqu'un souhaite une personne à l'écran récitant un script — présentateur synchronisé labial, porte-parole, ou avatar narré à partir d'une photo portrait.npx skills add PrunaAI/pruna-skills@p-video-avatar -y
stable-audio-2.5À utiliser lorsque quelqu'un souhaite une musique de fond instrumentale légère — un tapis ambiant sous le dialogue ou une trame sonore pour des reels et des explications.npx skills add PrunaAI/[email protected] -y
narrated-multi-sceneÀ utiliser lorsque quelqu'un souhaite une histoire en plusieurs parties avec voix off — B-roll épisodique, promotion par chapitre, ou plusieurs scènes vidéo liées sans dialogue à l'écran.npx skills add PrunaAI/pruna-skills@narrated-multi-scene -y
video-editingÀ utiliser lors de l'assemblage ou du polissage de clips déjà rendus avec ffmpeg — concaténation, fondus enchaînés, sous-titres incrustés et légendes, superpositions de texte/logo, curseurs avant/après, tapis musicaux de fond, export pour plateforme — ou lors de la composition d'une vidéo HTML multi-couche avec Hyperframes. Pas pour la génération vidéo IA, la création de prompts ou les montages vidéo basés sur un modèle.npx skills add PrunaAI/pruna-skills@video-editing -y

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

PrunaAI/pruna-skills

Use when someone wants an original AI song with vocals — sung lyrics, a style prompt track, or source audio for a music video.

PrunaAI/pruna-skills

Use when someone needs word-level timestamps from audio — lyric alignment, cut-safe line boundaries, or caption source timing before burn-in with video-editing.

PrunaAI/pruna-skills

Use before any Pruna or Replicate HTTP call — credentials, upload/poll/download, parallel batches, and agent safety.

PrunaAI/pruna-skills

Use when assembling or polishing already-rendered clips with ffmpeg — concat, crossfades, burned captions and subtitles, text/logo overlays, before/after sliders, background music beds, platform export — or when composing a multi-layer HTML combination video with Hyperframes. Not for AI video generation, prompt craft, or model-based video edits.

PrunaAI/pruna-skills

Use when crafting video or motion prompts for any generative model — dramaturgy, camera, physics-safe motion, frame anchors, and clip chaining.

PrunaAI/pruna-skills

Use when someone wants to edit an existing photo — change outfits or backgrounds, compose from reference images, or apply prompt-driven edits.

PrunaAI/pruna-skills

Use when someone explicitly wants the fastest, cheapest photo generation — mood boards, bulk panels, or quick iterations — not when controlled photoreal or in-image text is needed.

PrunaAI/pruna-skills

Use when someone wants virtual try-on — dress a person in clothes from reference photos for fashion or ecommerce.

PrunaAI/pruna-skills

Use when installing the full Pruna generative media suite — all guides, tools, and workflows in one package.

PrunaAI/pruna-skills

Use when someone wants a cinematic clip from text or start/end frames — product ads, documentary shots, or dialogue with generated audio. Not for 1080p, imported audio tracks, or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants a polished short clip from text, images, or imported audio — 1080p B-roll, start/end frame animation, or a motion shot with a mixed track. Not for cinematic generated-audio clips or talking-head-only hosts.

PrunaAI/pruna-skills

Use when someone wants to edit an existing video with a text instruction — recolor, restyle, remove or add objects, change environment or lighting, update on-screen text, or apply optional reference-guided product and accessory edits. Not for a new clip from scratch or ffmpeg assembly.

PrunaAI/pruna-skills

Use when someone wants a simple short clip from text or images — quick B-roll, drafts, or start/end frame animation. Not when the brief needs cinematic generation, highest quality, tight lip-sync, or imported audio at 1080p.

Skills associés