Communitygithub.com

Génération de voix off ElevenLabs

Générez des voix off professionnelles avec l'IA ElevenLabs. Utilisez cette compétence lorsque l'utilisateur a besoin de créer des voix off pour des vidéos, des narrations audio ou du contenu text-to-speech. Prend en charge plusieurs voix avec des préréglages de personnages (narrateur, commercial, expert) pour un rendu naturel. Inclut la régénération de scène unique pour un réglage fin.

Qu'est-ce que Génération de voix off ElevenLabs ?

Cette compétence permet aux agents IA de générer des voix off professionnelles via l'API ElevenLabs, spécialement conçue pour une intégration avec Remotion dans le cadre de projets vidéo. Elle offre des préréglages de personnages (narrateur, commercial, expert, etc.) qui adaptent le style vocal au contexte, évitant une lecture littérale et mécanique du texte. La compétence prend en charge la génération par scènes avec une fonctionnalité de 'request stitching' qui assure une prosodie cohérente entre toutes les scènes d'un projet. Elle inclut également la régénération de scène individuelle pour affiner le timing ou le texte sans avoir à tout régénérer. En plus de la génération vocale, elle propose la validation automatique des fichiers audio (durée, silence, débit de parole) via ffprobe, et l'intégration de miniatures dans les vidéos MP4 pour les plateformes comme Twitter ou YouTube. La compétence fonctionne avec un fichier de configuration au format JSON, une clé API ElevenLabs, et s'utilise en ligne de commande avec Node.js.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/delorenj/skills/tree/HEAD/elevenlabs-remotion

Demander à votre IA préférée

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

Documentation

Que fait Génération de voix off ElevenLabs ?

Générez des voix off professionnelles avec l'IA pour les vidéos Remotion en utilisant l'API ElevenLabs.

Prérequis

  • ELEVEN_API_KEY dans .env.local

Démarrage rapide

# Générer une voix off à partir d'un texte
node ~/.agents/skills/elevenlabs-remotion/generate.js --text "Votre texte ici" --output public/audio/voiceover.mp3

# Générer avec un style narrateur (plus naturel)
node ~/.agents/skills/elevenlabs-remotion/generate.js --text "Votre texte" --character narrator --output voiceover.mp3

# Générer des scènes avec request stitching
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes remotion/scenes.json --output-dir public/audio/project/

# Régénérer une seule scène
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes scenes.json --scene scene2 --new-text "Texte mis à jour"

# Lister les voix disponibles et les préréglages de personnages
node ~/.agents/skills/elevenlabs-remotion/generate.js --list-voices
node ~/.agents/skills/elevenlabs-remotion/generate.js --list-characters

Préréglages de personnages

Utilisez les préréglages de personnages pour des voix off plus naturelles, au lieu d'une lecture littérale du texte à l'écran :

PersonnageDescriptionIdéal pour
literalLit le texte exactement tel qu'écritTexte à l'écran, citations
narratorConteur professionnel, fluide, engageantVidéos explicatives, documentaires
salespersonEnthousiaste, persuasif, énergiqueMarketing, publicités
expertAutoritaire, confiant, compétentContenu juridique, tutoriels
conversationalDécontracté, amical, naturelRéseaux sociaux, contenu décontracté
dramaticIntense, émotionnel, percutantAccroches, énoncés de problèmes
calmApaisant, rassurant, douxRenforcement de la confiance, conclusions
# Utiliser le style narrateur globalement
node ~/.agents/skills/elevenlabs-remotion/generate.js --scenes scenes.json --character narrator --output-dir public/audio/

# Ou définir par scène dans scenes.json
{
  "scenes": [
    { "id": "scene1", "text": "Énoncé du problème", "character": "dramatic" },
    { "id": "scene2", "text": "Solution", "character": "calm" }
  ]
}

Génération par scène avec request stitching

Générez plusieurs scènes avec une prosodie cohérente en utilisant le request stitching d'ElevenLabs :

Format scenes.json

{
  "name": "demo-produit",
  "voice": "George",
  "character": "narrator",
  "scenes": [
    {
      "id": "scene1",
      "text": "La synthèse vocale générique sonne robotique. Votre marque mérite mieux.",
      "duration": 4.5,
      "character": "dramatic"
    },
    {
      "id": "scene2",
      "text": "Avec le clonage vocal, vous pouvez utiliser votre propre voix pour un contenu illimité.",
      "duration": 5.5
    },
    {
      "id": "scene3",
      "text": "Enregistrez un court échantillon. Clonez-le. Créez des voix off professionnelles en quelques minutes.",
      "duration": 6,
      "delay": 0.3
    }
  ]
}

Générer toutes les scènes

node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes-demo-produit.json \
  --output-dir public/audio/demo-produit/

Ceci crée :

  • demo-produit-scene1.mp3 à sceneN.mp3
  • demo-produit-combined.mp3 (toutes les scènes assemblées)
  • demo-produit-info.json (métadonnées avec durées)

Régénération d'une seule scène

Si une scène commence trop tôt, a un mauvais timing ou nécessite un texte différent :

# Régénérer la scène2 avec un nouveau texte
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene2 \
  --new-text "Texte mis à jour pour la scène 2" \
  --output-dir public/audio/project/

# Régénérer la scène3 avec un personnage différent
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene3 \
  --character salesperson \
  --output-dir public/audio/project/

# Simplement régénérer (même texte, même personnage)
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes.json \
  --scene scene1 \
  --output-dir public/audio/project/

# Intégrer une miniature dans une vidéo MP4
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/ma-video.mp4 \
  --thumbnail public/videos/ma-miniature.png \
  --output public/videos/ma-video-avec-miniature.mp4

L'outil fait automatiquement :

  • Utilise le request stitching des scènes précédentes pour une prosodie cohérente
  • Met à jour le fichier info.json avec les nouvelles métadonnées
  • Met à jour scenes.json si --new-text est fourni

Intégration de miniature

Intégrez une image miniature dans les vidéos MP4 afin que les plateformes comme Twitter, YouTube et les lecteurs vidéo affichent votre miniature personnalisée au lieu de la première image.

Intégrer une miniature dans une vidéo

# Utilisation de base - génère video-thumb.mp4
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/promo.mp4 \
  --thumbnail public/videos/miniature.png

# Chemin de sortie personnalisé
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/promo.mp4 \
  --thumbnail public/videos/miniature.png \
  --output public/videos/promo-final.mp4

Workflow avec Remotion

# 1. Rendre votre vidéo
npx remotion render MaVideo public/videos/ma-video.mp4

# 2. Rendre votre miniature (utiliser une composition Still)
npx remotion still MaMiniatureVideo public/videos/ma-miniature.png

# 3. Intégrer la miniature
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --embed-thumbnail public/videos/ma-video.mp4 \
  --thumbnail public/videos/ma-miniature.png \
  --output public/videos/ma-video-final.mp4

Formats supportés

  • Vidéo : MP4 (H.264/H.265)
  • Miniature : PNG, JPG, JPEG

L'intégration utilise le drapeau -disposition:v:1 attached_pic de ffmpeg pour définir la miniature comme une image attachée, que la plupart des lecteurs vidéo et plateformes reconnaissent.

Validation du timing

La compétence valide automatiquement le timing après la génération à l'aide de ffprobe :

Vérifications effectuées

VérificationSeuilDescription
Écart de durée>15%Alerte si la durée réelle diffère de la durée attendue
Silence initial>200msL'audio commence en retard (voix off retardée)
Silence final>500msSilence inutile à la fin
Débit de parole2-4.5 mots/sOptimal ~3 mots/seconde

Valider un audio existant

# Valider toutes les scènes d'un projet
node ~/.agents/skills/elevenlabs-remotion/generate.js --validate public/audio/demo-produit/

Exemple de sortie :

🔍 Validation de demo-produit (6 scènes)

❌ scene1 : 3.00s (attendu : 4.5s)
   ❌ Audio 1.50s plus court que prévu
   👍 8 mots @ 3.1 mots/sec
⚠️ scene2 : 6.35s (attendu : 5.5s)
   ⚠️ Silence initial : 235ms (peut commencer en retard)
   🐢 10 mots @ 1.8 mots/sec
✅ scene4 : 4.36s (attendu : 4s)
   👍 9 mots @ 2.3 mots/sec

📊 Durée totale : 30.80s (attendue : 30.00s)

Fichier info.json mis à jour

Après validation, le fichier info.json inclut les mesures réelles :

{
  "scenes": [
    {
      "id": "scene1",
      "duration": 4.5,
      "actualDuration": 3.0,
      "leadingSilence": 0.05,
      "wordsPerSecond": 3.1
    }
  ]
}

Utilisez actualDuration dans votre composition Remotion pour une synchronisation précise.

Options

OptionDescriptionValeur par défaut
--text, -tTexte à convertir en paroleRequis (ou --file/--scenes)
--file, -fLire le texte depuis un fichier-
--output, -oChemin du fichier de sortieoutput.mp3
--output-dirRépertoire de sortie pour les scènespublic/audio
--voice, -vNom ou ID de la voixGeorge
--model, -mID du modèleeleven_multilingual_v2
--character, -cPréréglage de personnageliteral
--scenesFichier JSON contenant les scènes-
--sceneRégénérer une seule scène par son ID-
--new-textNouveau texte pour la régénération de scène-
--validateValider un répertoire audio existant-
--skip-validationIgnorer la validation automatiquefalse
--embed-thumbnailFichier vidéo dans lequel intégrer une miniature-
--thumbnailFichier image miniature (PNG/JPG)-
--stabilityStabilité de la voix (0-1)varie selon le personnage
--similaritySimilarité de la voix (0-1)varie selon le personnage
--styleExagération du style (0-1)varie selon le personnage
--no-combinedIgnorer le fichier combinéfalse

Voix recommandées

VoixStyleIdéal pour
GeorgeBritannique chaleureuse et captivanteNarration, vidéos explicatives
AntoniProfessionnelle et chaleureuseContenu juridique, tutoriels
ArnoldAutoritaire et profondeEntreprise, sujets sérieux
JoshAmicale et conversationnelleMarketing, contenu décontracté

Intégration avec Remotion

Après avoir généré les voix off des scènes, utilisez-les dans votre composition :

import { Audio, Sequence, staticFile } from "remotion";

// Utiliser les fichiers audio individuels des scènes pour une synchronisation précise
const SCENE_DURATIONS = {
  scene1: 4.5,  // Depuis info.json
  scene2: 5.5,
  scene3: 8.0,
};

export const VideoWithVoiceover: React.FC = () => {
  const { fps } = useVideoConfig();

  const scene1Frames = Math.round(SCENE_DURATIONS.scene1 * fps);
  const scene2Frames = Math.round(SCENE_DURATIONS.scene2 * fps);

  return (
    <>
      <Sequence from={0} durationInFrames={scene1Frames}>
        <Audio src={staticFile("audio/project/project-scene1.mp3")} />
        <Scene1Visual />
      </Sequence>

      <Sequence from={scene1Frames} durationInFrames={scene2Frames}>
        <Audio src={staticFile("audio/project/project-scene2.mp3")} />
        <Scene2Visual />
      </Sequence>
    </>
  );
};

Conseils pour de meilleurs résultats

  1. Utilisez les préréglages de personnages : Ne lisez pas le texte à l'écran littéralement - utilisez narrator ou expert pour un flux naturel
  2. La ponctuation compte : Utilisez des points pour les pauses, des virgules pour de brèves interruptions
  3. Nombres : Écrivez les nombres en toutes lettres ("cinq cents" pas "500") pour une parole naturelle
  4. Abréviations : Écrivez les mots en entier ("vingt-quatre heures" pas "24h")
  5. Scène par scène : Différentes scènes peuvent avoir différents personnages (intro dramatique, CTA calme)
  6. Réglage fin : Utilisez --scene pour régénérer des scènes individuelles sans tout refaire
  7. Request stitching : Maintient la voix cohérente sur toutes les scènes

Exemple de workflow

# 1. Créez le fichier scenes.json avec votre script
# 2. Générez toutes les scènes avec le style narrateur
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes-ma-video.json \
  --character narrator \
  --output-dir public/audio/ma-video/

# 3. Prévisualisez dans Remotion, remarquez que la scène2 commence trop tôt
# 4. Régénérez uniquement la scène2 avec un texte mis à jour
node ~/.agents/skills/elevenlabs-remotion/generate.js \
  --scenes remotion/scenes-ma-video.json \
  --scene scene2 \
  --new-text "Texte légèrement plus long pour combler le timing visuel" \
  --output-dir public/audio/ma-video/

# 5. Mettez à jour la composition vidéo avec la nouvelle durée depuis info.json
# 6. Répétez jusqu'à ce que le timing soit parfait

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

delorenj/skills

Plan and generate terminal ASCII animations/screensaver-style output (FPS, refresh rules, loop policy, low-flicker guidance), with a static poster frame and an optional local demo script.

delorenj/skills

ASCII video: convert video/audio to colored ASCII MP4/GIF.

delorenj/skills

Plan, build and quality-check a premium short commercial for a real business (roofing, property, ecommerce, B2B software) using AI-generated footage, code-built motion (HTML/GSAP), selective Three.js and an independent-critic "Gauntlet" loop. Use when asked to make a launch-style / SaaS-style video, business ad, explainer, sample reel or pitch video, or to review and improve one. Encodes motion principles distilled from 28 professional launch films, a quality bar, audio rules and a business-offer playbook.

delorenj/skills

CSS animation adapter patterns for HyperFrames. Use when authoring CSS keyframes, animation-delay based timing, animation-fill-mode, animation-play-state, or CSS-only motion that HyperFrames must seek deterministically during preview and rendering.

delorenj/skills

HyperFrames CLI dev loop — `npx hyperframes` for scaffolding (init), validation (lint, inspect), preview, render, and environment troubleshooting (doctor, browser, info, upgrade). Use when running any of these commands or troubleshooting the HyperFrames build/render environment. For asset preprocessing commands (`tts`, `transcribe`, `remove-background`), invoke the `hyperframes-media` skill instead.

delorenj/skills

Asset preprocessing for HyperFrames compositions — text-to-speech narration (Kokoro), audio/video transcription (Whisper), and background removal for transparent overlays (u2net). Use when generating voiceover from text, transcribing speech for captions, removing the background from a video or image to use as a transparent overlay, choosing a TTS voice or whisper model, or chaining these (TTS → transcribe → captions). Each command downloads its own model on first run.

delorenj/skills

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, and registry discovery.

delorenj/skills

Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals, and scene transitions in HyperFrames HTML. Use when asked to build any HTML-based video content, add captions or subtitles synced to audio, generate text-to-speech narration, create audio-reactive animation (beat sync, glow, pulse driven by music), add animated text highlighting (marker sweeps, hand-drawn circles, burst lines, scribble, sketchout), or add transitions between scenes (crossfades, wipes, reveals, shader transitions). Covers composition authoring, timing, media, and the full video production workflow. For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.

delorenj/skills

Manim CE animations: 3Blue1Brown math/algo videos.

delorenj/skills

Join a Google Meet or Zoom call as a video meeting agent via PikaStreaming. Trigger: user drops a Google Meet or Zoom link, or asks to join a meeting.

delorenj/skills

Translate an existing Remotion (React-based) video composition into a HyperFrames HTML composition. Use ONLY when the user explicitly asks to port, convert, migrate, translate, or rewrite a Remotion composition as HyperFrames (e.g. "port my Remotion project to HyperFrames"). Do NOT use when (a) authoring a NEW HyperFrames composition (even if A/B-testing a Remotion video); (b) Remotion is mentioned in passing; (c) Remotion code is shared as reference, not for translation; (d) the user wants "the same video as my Remotion one" without explicitly asking to migrate the source — treat as a fresh HyperFrames build. When in doubt, default to the `hyperframes` skill. Detects unsupported patterns (useState, useEffect side effects, async calculateMetadata, third-party React component libraries, `@remotion/lambda`) and recommends the runtime interop escape hatch instead of a lossy translation.

delorenj/skills

Generate speech using the self-hosted voxxy (vox) TTS service at https://vox.delo.sh. Use when the user asks to speak, say, narrate, synthesize speech, clone a voice, create a voice, add or register a voice, pipe TTS, or control voice qualities by description (e.g. "a young woman with a cheerful voice"). Handles HTTP API usage, voice profile management, description-based voice design, cloning, MCP registration, and integration patterns for new platforms.

delorenj/skills

Capture a website and create a HyperFrames video from it. Use when: (1) a user provides a URL and wants a video, (2) someone says "capture this site", "turn this into a video", "make a promo from my site", (3) the user wants a social ad, product tour, or any video based on an existing website, (4) the user shares a link and asks for any kind of video content. Even if the user just pastes a URL — this is the skill to use.

delorenj/skills

YouTube transcripts to summaries, threads, blogs.

Skills associés