Communitygithub.com

huangserva/servasyy_skills

Compresse et réécrit intelligemment des documents en scripts adaptés à la synthèse vocale (TTS). Utilise l'IA Claude pour analyser le contenu, compresser selon une durée cible, convertir en style oral avec un langage émotionnel, et segmenter automatiquement. Idéal pour les narrations vidéo.

Qu'est-ce que servasyy_skills ?

Cette compétence (skill) permet de transformer automatiquement des documents longs en scripts prêts pour la synthèse vocale (TTS), optimisés pour des narrations vidéo ou des podcasts. Le fonctionnement repose sur l'IA Claude : elle analyse le contenu de l'article (thème, densité, points clés), détermine la durée vidéo idéale (entre 3 et 8 minutes), puis réécrit le texte en le condensant de manière intelligente tout en le rendant naturel et oral. Le script généré inclut des marqueurs d'animation (fade_in, write, typewriter) et un découpage automatique en segments de 10 à 20 secondes, chacun étant associé à une description visuelle adaptée au style sélectionné (ukiyo-e, new-yorker, flat, realistic, abstract). La sortie principale est un fichier JSON (tts_script.json) contenant le texte segmenté avec ses durées et styles d'animation, ainsi qu'un visual_config.json décrivant les illustrations. Cette compétence est conçue pour être utilisée soit manuellement dans une conversation Claude, soit automatiquement par la compétence 'image-to-video' lorsqu'un document long est détecté. Elle ne génère pas elle-même l'audio TTS, les images ou la vidéo finale, mais fournit les données structurées nécessaires aux autres étapes du pipeline.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/huangserva/servasyy_skills/tree/HEAD/tts-script-generator

Demander à votre IA préférée

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

Documentation

Générateur de scripts TTS

Compresse et réécrit intelligemment des documents en scripts adaptés à la synthèse vocale (TTS).

Capacités principales

  • 🤖 Analyse IA intelligente : Claude analyse le contenu de l'article, détermine la durée vidéo optimale et le style d'illustration adapté.
  • ⏱️ Décision intelligente sur la durée : choisit automatiquement la durée appropriée (3 à 8 minutes) en fonction du contenu.
  • 🎨 Décision intelligente sur le style : sélectionne automatiquement le style d'illustration (New Yorker / Ukiyo-e / Flat / Réaliste, etc.) en fonction du thème.
  • 📉 Compression intelligente : compresse le contenu selon la durée optimale (ex : 19 minutes → 5 minutes).
  • 💬 Conversion en style oral : transforme le langage écrit en langage parlé naturel.
  • 😊 Optimisation émotionnelle : ajoute des mots et expressions émotionnelles pour rendre la synthèse vocale plus vivante.
  • 🎯 Segmentation automatique : divise le contenu en segments optimaux (10 à 20 secondes chacun).
  • 📊 Estimation de la durée : calcule précisément la durée de lecture de chaque segment.

Principe de fonctionnement

Exécuté dans une conversation Claude :

  1. Claude lit le document original.
  2. Claude analyse le contenu :
    • Thème et structure de l'article.
    • Nombre d'idées principales.
    • Densité du contenu.
    • Détermine la durée vidéo optimale (3 à 8 minutes).
    • Détermine le style d'illustration le plus adapté (ex : historique → ukiyo-e, technologique → flat, humanitaire → New Yorker).
  3. Claude réécrit intelligemment :
    • Extrait les idées principales.
    • Compresse selon la durée optimale.
    • Convertit en langage oral.
    • Ajoute des mots émotionnels et des pauses.
  4. Claude segmente automatiquement (chaque segment correspond à une illustration).
  5. Détermine le style d'illustration le plus approprié selon le thème.
  6. Génère une description d'illustration pour chaque segment (en utilisant le style déterminé).
  7. Produit deux fichiers :
    • tts_script.json (script texte TTS + marqueurs d'animation)
    • visual_config.json (description des illustrations, destinée au générateur d'illustrations)

Format de tts_script.json (avec nouveaux marqueurs d'animation) :

[
  {
    "segment": 1,
    "text": "Aujourd'hui, parlons de la vie réelle sous la dynastie Tang. Envie de voyager dans le temps ? Attendez un peu !",
    "duration": 15,
    "animation_style": "fade_in",
    "emphasis": true
  },
  {
    "segment": 2,
    "text": "Sous les Tang, il n'y avait pas de papier toilette. Avec quoi se nettoyait-on ?",
    "duration": 12,
    "animation_style": "none",
    "emphasis": false
  }
]

Règles des marqueurs d'animation (décision intelligente de Claude) :

  • animation_style :
    • "fade_in" - titre, introduction, mise en avant.
    • "write" - idées principales, conclusions clés.
    • "typewriter" - données, faits.
    • "none" - contenu normal (utilise les sous-titres ASS).
  • emphasis : indique si le segment est important (true/false).

Principes de décision :

  1. Segment 1 (introduction) → fade_in
  2. Idées principales (premier segment de chaque chapitre) → write
  3. Données/faits → typewriter
  4. Autres contenus → none (sous-titres ASS)
  5. Recommandation : sur 24 segments, 3 à 5 segments avec animation suffisent.

Scripts d'exécution

generate.py - Générer un script TTS

python ~/.claude/skills/tts-script-generator/scripts/generate.py <fichier_markdown>
  • Lit le fichier Markdown.
  • Extrait les sections H2.
  • Convertit en langage oral.
  • Segmente selon la durée.
  • Produit tts_script.json.

Cas d'utilisation

  1. Narration vidéo : en complément de image-to-video (usage principal).
  2. Génération de podcast : en complément de podcast-generator.

Description des sorties

Cette compétence produit :

  • ✅ tts_script.json - Script texte TTS.
  • ✅ visual_config.json - Description des illustrations.

Ne produit pas :

  • ❌ Génération audio TTS (gérée par la compétence image-to-video).
  • ❌ Génération d'illustrations (nécessite d'appeler la compétence illustration-generator).
  • ❌ Synthèse vidéo (nécessite d'appeler la compétence image-to-video).

Méthodes d'appel

Appel automatique par la compétence image-to-video :

image-to-video détecte un document long
  → appelle tts-script-generator
  → Claude réécrit dans la conversation
  → produit un script TTS compressé
  → image-to-video continue le traitement

Appel manuel (dans une conversation Claude) :

Utilisateur : "Veuillez réécrire cet article avec tts-script-generator"

Claude :
1. Lit le document (5947 mots, 19 minutes).
2. Analyse le contenu :
   - Thème : vie quotidienne sous la dynastie Tang (type historique et culturel).
   - Idées principales : 4 (hygiène, alimentation, réglementation, classes sociales).
   - Durée optimale déterminée : 5 minutes (densité de contenu modérée).
   - Style d'illustration déterminé : ukiyo-e (thème historique, esthétique classique orientale).
3. Réécrit en 1350 mots.
4. Divise en 20 segments (15 secondes chacun).
5. Génère une description d'illustration style ukiyo-e pour chaque segment.
6. Sauvegarde tts_script.json + visual_config.json.

Formats de sortie

tts_script.json

[
  {
    "segment": 1,
    "text": "Aujourd'hui, parlons de la vie réelle sous la dynastie Tang. Envie de voyager dans le temps ? Attendez un peu ! Sous les Tang...",
    "duration": 15
  }
]

visual_config.json

{
  "article_title": "La vérité sur un voyage dans le temps sous les Tang",
  "style": "ukiyo-e",
  "sections": [
    {
      "section": 1,
      "visual_description": "Personne debout à un carrefour entre une ville moderne et un palais ancien de la dynastie Tang, air perplexe, style ukiyo-e avec l'esthétique traditionnelle des estampes japonaises sur bois"
    }
  ]
}

Règles de décision du style d'illustration

Claude sélectionne automatiquement le style le plus adapté selon le thème :

  • Historique/classique → ukiyo-e (ukiyo-e) : dynasties Tang, Song, histoire japonaise, etc.
  • Humanitaire/social → new-yorker (New Yorker) : observations sociales, récits de personnages, etc.
  • Technologique/commercial → flat (style plat) : produits technologiques, analyses commerciales, etc.
  • Nature/voyage → realistic (style réaliste) : paysages, animaux, voyages, etc.
  • Artistique/créatif → abstract (style abstrait) : critiques d'art, réflexions créatives, etc.

Principes de réécriture

  1. Conserver l'essentiel : garder les idées et récits les plus importants.
  2. Langage oral :
    • "Mais" → "Mais en fait"
    • "Parce que... donc..." → "Pourquoi ? Parce que..."
    • Ajouter des mots de liaison : "donc", "voilà", "d'ailleurs".
  3. Mots émotionnels :
    • Emphase : "vraiment", "très", "particulièrement".
    • Exclamation : "Waouh", "Mon Dieu", "Imaginez un peu".
  4. Contrôle du rythme :
    • Phrases courtes de préférence.
    • Pauses appropriées.
    • Chaque segment un point principal.

Compétences pouvant appeler ce skill

  • Skill image-to-video (principal).
  • Skill podcast-generator.
  • Autres skills nécessitant du TTS.

Skills associés