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 :
- Claude lit le document original.
- 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).
- Claude réécrit intelligemment :
- Extrait les idées principales.
- Compresse selon la durée optimale.
- Convertit en langage oral.
- Ajoute des mots émotionnels et des pauses.
- Claude segmente automatiquement (chaque segment correspond à une illustration).
- Détermine le style d'illustration le plus approprié selon le thème.
- Génère une description d'illustration pour chaque segment (en utilisant le style déterminé).
- 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 :
- Segment 1 (introduction) →
fade_in - Idées principales (premier segment de chaque chapitre) →
write - Données/faits →
typewriter - Autres contenus →
none(sous-titres ASS) - 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
- Narration vidéo : en complément de image-to-video (usage principal).
- 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
- Conserver l'essentiel : garder les idées et récits les plus importants.
- Langage oral :
- "Mais" → "Mais en fait"
- "Parce que... donc..." → "Pourquoi ? Parce que..."
- Ajouter des mots de liaison : "donc", "voilà", "d'ailleurs".
- Mots émotionnels :
- Emphase : "vraiment", "très", "particulièrement".
- Exclamation : "Waouh", "Mon Dieu", "Imaginez un peu".
- 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.